使用tweepy.Stream过滤原创推文时偶发误放行回复的问题排查

问题根因 #

现有过滤逻辑仅校验了in_reply_to_status_id字段是否为空，未覆盖两类符合回复/非原创特征、但该字段为空的场景：

• 他人转发的内容（存在retweeted_status字段）：转发动作本身不会生成回复ID，原内容即使是回复也会被现有逻辑放过
• 非正式回复：用户未点击回复按钮，手动输入@用户开头发布的内容，这类内容本质属于回复，但无回复ID关联
• 引用推文（存在quoted_status_id字段）：引用其他推文的内容不属于纯原创，也可能被误判为合规内容

修复方法 #

替换原有is_not_a_reply方法，增加多维度校验即可：

def is_not_a_reply(self, status):
    # 过滤正式回复内容
    if status.in_reply_to_status_id is not None:
        return False
    # 过滤转发内容
    if hasattr(status, "retweeted_status"):
        return False
    # 过滤引用推文内容
    if hasattr(status, "quoted_status_id") and status.quoted_status_id is not None:
        return False
    # 可选：过滤开头@用户的非正式回复，不需要可删除本段
    # 兼容长文本字段取值
    if hasattr(status, "extended_tweet"):
        content = status.extended_tweet["full_text"]
    else:
        content = status.text
    if content.startswith("@"):
        return False
    return True

补充说明 #

原有代码中判断空值使用== None的写法不规范，Python 中推荐使用is None/is not None判断空值，避免自定义对象重载__eq__方法导致的判断异常。

内容的提问来源于stack exchange，提问作者Meysam