Twitter es una red de microblogging que hasta hace poco sólo aceptaba mensajes de 140 caracteres. Hoy han duplicado esta cantidad y entonces hay manera de escribir un poco menos abreviado. Sin embargo, la idea es que la gente no interactúe escribiendo interminables textos y posiblemente de ahí la restricción original. Vamos, que en Twitter buscamos ir al grano, ser más directos, y además, es lo de hoy en este mundo que parece ir a toda velocidad.
Twitter, prácticamente desde sus inicios, dio una serie de bibliotecas de funciones (APIs) para poder permitir que se hiciesen programas que interactuaran con lo que se escribe en esta red social. La realidad es que más allá del contenido que producen los que escriben en Twitter, se puede sacar información que pudiese ser valiosa. Por ejemplo, ¿qué temas son los más leídos? ¿Qué información es crítica? Igualmente, se puede saber fácilmente las tendencias de las personas, qué temas siguen, qué personasen Twitter tienen más suscriptores, etcétera. Vamos, que esta red nos da mucho más información de la que originalmente pensamos se podía tener.
Y Twitter, además, guarda todo lo que escribimos ahí. Todo. No borra nada con el tiempo y de hecho, hay una forma de recuperar todos los tuits que hemos escrito desde nuestra inscripción al sistema. Para ello, lo que hay que hacer es entrar en nuestra configuración (dándole click a nuestro avatar) e ir a “tu archivo de tweets” y solicitarlo. Twitter entonces armará dicho archivo y se lo enviará al correo que el usuario haya definido.
Sin embargo, cuando uno recibe el archivo comprimido, zipeado, y lo descomprime, observará un número de archivos con extensión .js y un par de carpetas. ¿Dónde están los tuits? Es claro que Twitter nos da toda la información, pero no viene normalmente como hubiésemos esperado. Y hay que procesarla. La realidad es que Twitter envía diferentes archivos que conforman sus bases de datos, en donde viene toda la información relevante a los tuits: fecha de publicación, si es retuit, etcétera.
Revisando los archivos hallé que tweet.js contiene los tuits que he escrito. He aquí un fragmento de esto:
“display_text_range” : [ “0.0”, “96.0” ],
“favorite_count” : “0.0”,
“in_reply_to_status_id_str” : null,
“geo” : null,
“id_str” : “1019359708644331520”,
“in_reply_to_user_id” : null,
“truncated” : false,
“retweet_count” : “0.0”,
“id” : “1.01935970864433152E18”,
“in_reply_to_status_id” : null,
“created_at” : “Tue Jul 17 23:14:27 +0000 2018”,
“place” : null,
“favorited” : false,
“full_text” : “RT @Ferlatino: Acabo de ver unas palomitas cometiendo faltas a la moral.\n\n Estaban acarameladas.”,
“lang” : “es”,
“contributors” : null,
“in_reply_to_screen_name” : null,
“in_reply_to_user_id_str” : null
Obviamente, si quiero recuperar lo que he retuiteado y escrito, toda la información de todos esos campos me es absolutamente inútil. Y pensando en esto, decidí escribir un programa que hiciese la tarea de dejar los tuits en un archivo de texto. Para ello, lo único que le pedí al programa es que buscara la línea “full_text” y que me la copiara a un archivo de texto.
Encontré, sin embargo, que en ocasiones hay símbolos extraños en el texto. Las letras acentuadas se ven mal y entonces escudriñé en el texto recuperado para ver qué significaban. Hallé que una combinación de letras era la ‘á’, otra era la ‘é’, etcétera. Decidí entonces procesar cada línea recuperada para quitar los símbolos indeseables.
No obstante esto, hay muchas personas que escriben usando “emojis”, y estos se representan con cierta secuencia de símbolos. Como no sé cómo procesarlos, los he dejado tal y como vienen. Es decir, mi programa no “limpia” el archivo de tuits totalmente pero al menos me permite hacerme de la información y ponerla en un formato mucho más amigable para el lector.
Quien le interese este programa, escrito en Delphi, puede pedírmelo a mi correo [email protected] y se lo enviaré sin costo alguno. Si el lector encuentra alguna manera de quitar algunos otros símbolos que no debiesen estar, estaría encantado de ver sus hallazgos.