如何从嵌套字典读取推特JSON数据的推文文本并生成DataFrame列

我帮你搞定这个问题！推特的长推文确实会藏在嵌套的extended_tweet字段里，咱们一步步来提取完整文本并生成DataFrame列：

首先用pandas读取你的JSON文件，如果是每行一条推文的常见格式，记得加上lines=True参数：

import pandas as pd

# 替换成你的JSON文件路径
df = pd.read_json('twitter_data.json', lines=True)

写一个自定义函数，自动判断推文是常规长度还是长推文，优先提取完整内容：

def extract_full_tweet(row):
    # 处理转发的长推文：完整内容在retweeted_status的嵌套字段里
    if 'retweeted_status' in row and pd.notna(row['retweeted_status']):
        rt_tweet = row['retweeted_status']
        if 'extended_tweet' in rt_tweet and pd.notna(rt_tweet['extended_tweet']):
            return rt_tweet['extended_tweet']['full_text']
        return rt_tweet.get('text', '')
    
    # 处理当前推文的长文本
    if 'extended_tweet' in row and pd.notna(row['extended_tweet']):
        return row['extended_tweet']['full_text']
    
    # 常规短推文直接返回text字段
    return row.get('text', '')

把函数应用到DataFrame的每一行，生成新的full_tweet_text列：

df['full_tweet_text'] = df.apply(extract_full_tweet, axis=1)

推特API的规则是：当推文长度超过140字符时，text字段会显示截断后的内容，完整内容存在extended_tweet.full_text里；如果是转发的长推文，完整内容会嵌套在retweeted_status.extended_tweet.full_text中，上面的函数覆盖了这两种核心场景。

内容的提问来源于stack exchange，提问作者driftwood14