npm init
npm install twitter-liteIsso criará um novo projeto NodeJS e instalará o twitter-lite pacote. Este pacote facilita a interação com a API do Twitter.
Para autenticar nossas solicitações, usaremos um token de portador OAuth2.0. o twitter-lite O pacote tem uma maneira fácil de lidar com a autenticação do Twitter.
Vamos criar um novo index.js e adicione o seguinte código a ele:
const Twitter = require('twitter-lite');
const user = new Twitter({
consumer_key: "YOUR_API_KEY",
consumer_secret: "YOUR_API_SECRET",
});
// Wrap the following code in an async function that is called
// immediately so that we can use "await" statements.
(async function() {
try {
// Retrieve the bearer token from twitter.
const response = await user.getBearerToken();
console.log(`Got the following Bearer token from Twitter: ${response.access_token}`);
// Construct our API client with the bearer token.
const app = new Twitter({
bearer_token: response.access_token,
});
} catch(e) {
console.log("There was an error calling the Twitter API.");
console.dir(e);
}
})();Ao executar isso, o console gera o seguinte:
Got the following Bearer token from Twitter: THE_TWITTER_BEARER_TOKENImpressionante, até agora tudo funciona. 🔥
Obtendo tweets recentes
A próxima parte é recuperar tweets recentes da API do Twitter.
No Documentação do Twitter você pode ver que há um ponto de extremidade para procurar tweets recentes.
Para implementar isso, adiciono o seguinte código ao index.js Arquivo:
const Twitter = require('twitter-lite');
(async function() {
const user = new Twitter({
consumer_key: "YOUR_API_KEY",
consumer_secret: "YOUR_API_SECRET",
});
try {
let response = await user.getBearerToken();
const app = new Twitter({
bearer_token: response.access_token,
});
// Search for recent tweets from the twitter API
response = await app.get(`/search/tweets`, {
q: "Lionel Messi", // The search term
lang: "en", // Let's only get English tweets
count: 100, // Limit the results to 100 tweets
});
// Loop over all the tweets and print the text
for (tweet of response.statuses) {
console.dir(tweet.text);
}
} catch(e) {
console.log("There was an error calling the Twitter API");
console.dir(e);
}
})();Ao executar isso, você pode ver muitos comentários do Twitter sobre Lionel Messi, o que significa que ele funciona perfeitamente! ⚽
"RT @TheFutbolPage: Some of Lionel Messi's best dribbles."
"RT @MagufuliMugabe: Lionel Messi 🐐 didn't just wake up one day and become the best player in the world no HE trained. So if your girl is…"
""RT @goal: The boy who would be King 👑 Is Ansu Fati the heir to Lionel Messi's throne?"
and many more... Executando análise de sentimentos
Para realizar a análise de sentimentos, vou usar a API de linguagem natural do Google Cloud. Com esta API, você pode obter a pontuação de sentimento de um texto com uma simples chamada de API.
Primeiro, vá para o Google Cloud Console para criar um novo projeto de nuvem.
Em seguida, vá para o API de linguagem natural e habilitá-lo para o projeto.
Por fim, precisamos criar uma conta de serviço para nos autenticar. Vá para o crie uma página de conta de serviço para criar uma conta de serviço.
Ao criar uma conta de serviço, você precisará baixar o json arquivo contendo a chave privada dessa conta de serviço. Armazene esse arquivo na pasta do projeto.
O Google tem um pacote NodeJS para interagir com a API de linguagem natural, então vamos usá-lo. Para instalá-lo, execute:
npm install @google-cloud/languagePara que o pacote de idiomas funcione, ele precisa saber onde está o arquivo de chave privada.
O pacote tentará ler um GOOGLE_APPLICATION_CREDENTIALS variável de ambiente que deve apontar para esse arquivo.
Para definir essa variável de ambiente, atualizo o script chave no package.json Arquivo.
"scripts": {
"start": "GOOGLE_APPLICATION_CREDENTIALS='./gcloud-private-key.json' node index.js"
}Observe que, para que isso funcione, você deve iniciar o script executando npm run start.
Com tudo isso configurado, podemos finalmente começar a codificar.
Eu adiciono um novo getSentiment função para o index.js Arquivo:
const language = require('@google-cloud/language');
const languageClient = new language.LanguageServiceClient();
async function getSentiment(text) {
const document = {
content: text,
type: 'PLAIN_TEXT',
};
// Detects the sentiment of the text
const [result] = await languageClient.analyzeSentiment({document: document});
const sentiment = result.documentSentiment;
return sentiment.score;
}Essa função chama a API do Google Natural Language e retorna uma pontuação de sentimentos entre -1 e 1.
Vamos testá-lo com alguns exemplos:
getSentiment("I HATE MESSI");Retorna o seguinte.
The sentiment score is -0.40Similarmente:
getSentiment("I LOVE MESSI");Retorna um sentimento maior. 🙌
The sentiment score is 0.89Reunindo tudo isso
A última coisa a fazer é chamar o getSetiment função com o texto dos tweets.
No entanto, há um problema: apenas as primeiras 5.000 solicitações de API são gratuitas; depois disso, o Google cobrará pelas solicitações subsequentes de API.
Para minimizar a quantidade de chamadas de API, vou combinar todos os tweets em uma única sequência da seguinte maneira:
let allTweets = "";
for (tweet of response.statuses) {
allTweets += tweet.text + "n";
}
const sentimentScore = await getSentimentScore(allTweets);
console.log(`The sentiment about ${query} is: ${sentimentScore}`);Agora só preciso chamar a API uma vez em vez de 100 vezes.
A pergunta final é clara: o que o Twitter pensa sobre Lionel Messi? Ao executar o programa, ele fornece a seguinte saída:
The sentiment about Lionel Messi is: 0.2Então, o Twitter é levemente positivo sobre Lionel Messi.
Conclusão
Criamos um programa NodeJS que interage com a API do Twitter para obter tweets recentes. Em seguida, envia esses tweets para a API do Google Cloud Natural Language para realizar uma análise de sentimentos.
Você pode encontrar uma versão ao vivo deste análise de sentimentos aqui.
Você também pode ver o código completo aqui no Github.