Tweepy 搜索 API 停止，没有错误，而仅搜索前 1 天

Question

我是 Tweepy 的新手，并通过它的 python 模块运行它。 在搜索 hasgtag 几个小时后，我似乎超时了，但没有错误消息 - 它只是继续将推文放入我的 dataframe。 我知道 twitter 对免费开发者帐户的 7 天限制，以及通过启用wait_on_rate_limit=True来尊重 Twitter 数据挖掘限制。 我的目标是每天在“elonmusk”等更大的主题标签上运行此程序，并在过去 24 小时内获取推文，但 Tweepy 似乎在一定数量的推文后超时（最后一次拉动是 65k 推文，并在“现在”-4 小时后切断推文的价值）。

import tweepy
import pandas as pd

consumer_key = 'XXX'
consumer_secret = 'XXX'
access_token = 'XXX'
access_token_secret = 'XXX'

auth = tweepy.OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_token_secret)
api = tweepy.API(auth,wait_on_rate_limit=True,wait_on_rate_limit_notify=True)

d = []
start_date = pd.to_datetime('2021/2/14')
for tweet in tweepy.Cursor(api.search, q=HashValue,count=20, lang="en", since=StartDate, tweet_mode='extended', show_user=True).items():
    full_noURL_tweet = [remove_url(tweet.full_text)]
    print('Writing tweets to the moooon...')
    d.append((tweet.created_at, full_noURL_tweet))
print('tweets loaded...')

df = pd.DataFrame(d, columns=('date', 'full_tweet'))

我不想使用 Tweepy 的流媒体工具，因为我没有服务器/数据库功能来运行这个 24/7。 是否可以在此循环中添加异常测试以找出我被踢出局的原因？

编辑

在同时运行任务管理器时，我注意到我在 3000Mhz 下使用 7.6GB（68.8MB 压缩）和 32GB 总内存。 这会是我超时的原因吗？

Answer 1

我通过将count=20增加到 api 允许的最大值“解决”了这个超时问题： count=100 ：参见 tweepy.search

这使我能够将挖掘/请求的推文数量增加 5 倍，并且我在更短的时间内下载了我的日期范围内的整个数据集，所以如果你想要大数字，请确保最大化你的数量！

对于这个确切的踢球问题，我没有一个可靠的答案，但似乎我的代码可以做一些例外，而 Tweepy 的 API 的这一部分可能是开始的地方