使用Tweepy爬取话题推文时转发文重复原推文点赞/转发数问题

问题根源 #

你当前的代码在处理转发推文时，错误地将原推文的点赞数（tweet.retweeted_status.favorite_count）填充到了转发推文的Likes列，同时Retweets列实际是原推文的总转发数，导致所有同一条原推文的转发都显示相同的点赞/转发数据，造成冗余。

修正方案 #

1. 正确区分转发推文与原推文的统计数据 #

修改代码中数据填充的逻辑，确保转发推文记录的是自身的点赞数和转发数，而非原推文的：

from os import access
import tweepy 
import configparser    
import pandas as pd

api_key = ''
api_key_secret = ''

access_token = ''
access_token_secret = ''

auth = tweepy.OAuthHandler(api_key, api_key_secret)
auth.set_access_token(access_token, access_token_secret)

api = tweepy.API(auth)

keywords = '#AsiaCup2022'
limit = 10000

tweets = tweepy.Cursor(api.search_tweets, q = keywords, count = 100, tweet_mode = 'extended').items(limit)

columns = ['User', 'Tweet', 'Likes', 'Retweets', 'Is_Retweet', 'Original_Tweet_ID']
data = []

for tweet in tweets:
    is_retweet = hasattr(tweet, 'retweeted_status')
    original_tweet_id = tweet.retweeted_status.id_str if is_retweet else tweet.id_str
    
    # 转发推文的点赞是自身的favorite_count，转发数是自身的retweet_count
    likes = tweet.favorite_count
    retweets = tweet.retweet_count
    
    # 若需要保留原推文的统计数据，可额外添加列
    # original_likes = tweet.retweeted_status.favorite_count if is_retweet else None
    # original_retweets = tweet.retweeted_status.retweet_count if is_retweet else None
    
    data.append([
        tweet.user.screen_name,
        tweet.full_text,
        likes,
        retweets,
        is_retweet,
        original_tweet_id
    ])
    
df = pd.DataFrame(data, columns=columns)
df.to_excel("Cup2022.xlsx")

2. 可选：过滤转发推文，仅保留原创内容 #

如果你的分析不需要转发推文，可以直接在爬取时过滤，减少冗余数据：

在search_tweets的q参数中加入-filter:retweets：

tweets = tweepy.Cursor(api.search_tweets, q = f"{keywords} -filter:retweets", count = 100, tweet_mode = 'extended').items(limit)

这样爬取的内容只会包含带指定话题的原创推文，彻底避免转发带来的冗余问题。

说明 #

• 修改后的代码新增了Is_Retweet和Original_Tweet_ID列，方便你后续区分转发内容及关联原推文；
• 若需要同时分析原推文和转发的互动数据，可以取消代码中注释的部分，添加原推文的统计列，这样既不会混淆数据，也能保留完整分析维度。

内容的提问来源于stack exchange，提问作者Fakhr Ali