Descubriendo trending topics de twitter con python-twitter.

Recuerdo la presentación de Efrain en el PyDay en Mérida, donde hablo de la librería tweepy (acá artículo de Efrain sobre el tema) que permite acceder a una cuenta de twitter, actualizar estado entre otras cosas.

Con el auge de twitter como red social en el país me dispuse a probar otra librería de python para twitter llamada python-twitter, la documentación de la librería se puede acceder desde acá. Existe una serie de ejemplos de como usar la librería python-twitter en  github.

Instalar la librería de twitter:
Se usará el comando easy_install o pip como root:
easy_install twitter
ó
pip install twitter

El código que se muestra a continuación lista el ID de los Países, el número ID de cada País. El código original lo pueden ver en el siguiente enlace:
Se ejecuta python:

(python2.7)ernesto@jewel:~/prueba$ python

Python 2.7.3 (default, Jan  2 2013, 16:53:07) 

[GCC 4.7.2] on linux2

Type "help", "copyright", "credits" or "license" for more information.

>>>

Se importa el módulo python-twitter:

>>> import twitter

Se instancia la clase Twitter pasando el dominio (el url de la api de twitter) y la versión del api que en este caso es la versión 1:

>>> twitter_api = twitter.Twitter(domain="api.twitter.com", api_version='1')

Se captura los trends disponibles:

>>> trends1 = twitter_api.trends.available()

Se lista los ID de los Países:

>>> for location in trends1:

...     name = location["name"].encode('ascii', 'replace')

...     print "(%d) %s" % (location["woeid"], name)



... 

(1) Worldwide

(2972) Winnipeg

(3369) Ottawa

(3444) Quebec

(3534) Montreal

(4118) Toronto

(8676) Edmonton

(8775) Calgary

(9807) Vancouver

(12723) Birmingham

(13911) Brighton

(13963) Bristol

(15127) Cardiff

(19344) Edinburgh

(21125) Glasgow

(26042) Leeds

(26062) Leicester

(26734) Liverpool

(28218) Manchester

(30079) Newcastle

(30720) Nottingham

(32452) Portsmouth

(34503) Sheffield

(44418) London

(44544) Belfast

(76456) Santo Domingo

(116545) Mexico City

(124162) Guadalajara

(131068) Le?n

(134047) Monterrey

(137612) Puebla

(149361) Tijuana

(332471) Mendoza

(349859) Santiago

(349860) Concepcion

(349861) Valparaiso

(368148) Bogot?

(395269) Caracas

(395270) Maracaibo

(395272) Valencia

(418440) Lima

(455819) Bras?lia

(455820) Bel?m

(455821) Belo Horizonte

(455822) Curitiba

(455823) Porto Alegre

(455824) Recife

(455825) Rio de Janeiro

(455826) Salvador

(455827) S?o Paulo

(455828) Campinas

(455830) Fortaleza

(455831) Goi?nia

(455833) Manaus

(455834) S?o Lu?s

(455867) Guarulhos

(466861) C?rdoba

(466862) Rosario

(468382) Barquisimeto

(468739) Buenos Aires

(560743) Dublin

(580778) Bordeaux

(608105) Lille

(609125) Lyon

(610264) Marseille

(612977) Montpellier

(613858) Nantes

(615702) Paris

(619163) Rennes

(627791) Strasbourg

(628886) Toulouse

(638242) Berlin

(641142) Bremen

(645458) Dortmund

(645686) Dresden

(646099) Dusseldorf

(648820) Essen

(650272) Frankfurt

(656958) Hamburg

(667931) Cologne

(671072) Leipzig

(676757) Munich

(698064) Stuttgart

(718345) Milan

(719258) Naples

(721943) Rome

(725003) Turin

(726874) Den Haag

(727232) Amsterdam

(733075) Rotterdam

(753692) Barcelona

(766273) Madrid

(766356) Malaga

(774508) Seville

(776688) Valencia

(779063) Zaragoza

(906057) Stockholm

(1030077) Bekasi

(1044316) Surabaya

(1047180) Bandung

(1047378) Jakarta

(1062617) Singapore

(1098081) Perth

(1099805) Adelaide

(1100661) Brisbane

(1100968) Canberra

(1101597) Darwin

(1103816) Melbourne

(1105779) Sydney

(1110809) Kitakyushu

(1117034) Chiba

(1117099) Fukuoka

(1117227) Hiroshima

(1117502) Kawasaki

(1117545) Kobe

(1117817) Nagoya

(1118108) Sapporo

(1118129) Sendai

(1118285) Takamatsu

(1118370) Tokyo

(1118550) Yokohama

(1132447) Busan

(1132466) Daegu

(1132481) Gwangju

(1132496) Incheon

(1132567) Suwon

(1132578) Ulsan

(1132599) Seoul

(1154726) Klang

(1154781) Kuala Lumpur

(1167715) Calocan

(1199136) Davao City

(1199477) Manila

(1199682) Quezon City

(1398823) Lagos

(1582504) Johannesburg

(2077746) Samara

(2112237) Yekaterinburg

(2122265) Moscow

(2122471) Nizhny Novgorod

(2122541) Novosibirsk

(2122641) Omsk

(2123260) Saint Petersburg

(2282863) Nagpur

(2295377) Lucknow

(2295378) Kanpur

(2295386) Kolkata

(2295388) Amritsar

(2295401) Jaipur

(2295402) Ahmedabad

(2295408) Indore

(2295411) Mumbai

(2295412) Pune

(2295414) Hyderabad

(2295420) Bangalore

(2295424) Chennai

(2343678) Adana

(2343732) Ankara

(2343843) Bursa

(2344116) Istanbul

(2344117) Izmir

(2345896) Okinawa

(2345975) Daejeon

(2357024) Atlanta

(2357536) Austin

(2358820) Baltimore

(2359991) Baton Rouge

(2364559) Birmingham

(2367105) Boston

(2378426) Charlotte

(2379574) Chicago

(2380358) Cincinnati

(2381475) Cleveland

(2383660) Columbus

(2388929) Dallas-Ft. Worth

(2391279) Denver

(2391585) Detroit

(2414469) Greensboro

(2418046) Harrisburg

(2424766) Houston

(2427032) Indianapolis

(2428184) Jackson

(2436704) Las Vegas

(2442047) Los Angeles

(2449323) Memphis

(2450022) Miami

(2451822) Milwaukee

(2452078) Minneapolis

(2457170) Nashville

(2458410) New Haven

(2458833) New Orleans

(2459115) New York

(2460389) Norfolk

(2466256) Orlando

(2471217) Philadelphia

(2471390) Phoenix

(2473224) Pittsburgh

(2475687) Portland

(2477058) Providence

(2478307) Raleigh

(2480894) Richmond

(2486340) Sacramento

(2486982) St. Louis

(2487610) Salt Lake City

(2487796) San Antonio

(2487889) San Diego

(2487956) San Francisco

(2490383) Seattle

(2503713) Tallahassee

(2503863) Tampa

(2514815) Washington

(15015370) Osaka

(15015372) Kyoto

(20070458) Delhi

(23424738) United Arab Emirates

(23424747) Argentina

(23424748) Australia

(23424768) Brazil

(23424775) Canada

(23424782) Chile

(23424787) Colombia

(23424800) Dominican Republic

(23424801) Ecuador

(23424803) Ireland

(23424819) France

(23424829) Germany

(23424834) Guatemala

(23424846) Indonesia

(23424848) India

(23424853) Italy

(23424856) Japan

(23424868) Korea

(23424900) Mexico

(23424901) Malaysia

(23424908) Nigeria

(23424909) Netherlands

(23424916) New Zealand

(23424919) Peru

(23424922) Pakistan

(23424934) Philippines

(23424936) Russia

(23424942) South Africa

(23424948) Singapore

(23424950) Spain

(23424954) Sweden

(23424969) Turkey

(23424975) United Kingdom

(23424977) United States

(23424982) Venezuela

(56013632) Petaling

(56013645) Hulu Langat

EL ID 1 es para listar los trending topics  mundial, para Venezuela se tiene el ID 23424982, se resalta en negrita los IDs de las ciudades de Venezuela. 

Ahora se va a desplegar la lista de trending topic global(1): 

Se define el valor 1 a WOE_ID para capturar el trending topic global, se instancia la clase Twitter con el dominio api.twitter.com y se define la versión del api como la versión 1. A continuación se captura los trending topic, se muestra los 10 tópicos del mundo.

>>>WORLD_WOE_ID = 1

>>> twitter_api = twitter.Twitter(domain="api.twitter.com", api_version='1')

>>> world_trends = twitter_api.trends._(WORLD_WOE_ID)

>>> trends = world_trends()

>>> for i in range(10):

...     print trends[0]['trends'][i][u'name']

... 

#ILoveCheese

#CaprilesVenezuelayELMUNDOestácontigo

#MiMamáDice

#VamosMaravilla

#AJuicioCaprilesAsesino

Sara McMann

Rene de Calle 13

Sheila Gaff

RDMA

Rene

Al cambiar el valor de la variable WORLD_WOE_ID a la de Venezuela (23424982) se tiene:

>>> WORLD_WOE_ID = 23424982

>>> twitter_api = twitter.Twitter(domain="api.twitter.com", api_version='1')

>>> world_trends = twitter_api.trends._(WORLD_WOE_ID)

>>> trends = world_trends()

>>> for i in range(10):

...     print trends[0]['trends'][i][u'name']

... 

#CaprilesVenezuelayELMUNDOestácontigo

#AJuicioCaprilesAsesino

#MiMamáDice

#MeArrechoCuando

#QueVivan

Feliz Día del Diseñador Gráfico

Estuvimos 5

Dayana Mendoza

Omar Borkan Al Gala

Antonio Rivero

Para el caso de Valencia (395272):

>>> WORLD_WOE_ID = 395272

>>> twitter_api = twitter.Twitter(domain="api.twitter.com", api_version='1')

>>> world_trends = twitter_api.trends._(WORLD_WOE_ID)

>>> trends = world_trends()

>>> for i in range(10):

...     print trends[0]['trends'][i][u'name']

... 

#CaprilesVenezuelayELMUNDOestácontigo

#AJuicioCaprilesAsesino

#MeArrechoCuando

#MiMamáDice

Omar Borkan Al Gala

#TROPA

Feliz Día del Diseñador Gráfico

Estuvimos 5

Dayana Mendoza

Antonio Rivero

De esta forma se puede listar los 10 tópicos  según el País o ciudad utilizando Python.