我們會(huì)用到一個(gè)叫做python-twitter的Python庫，其源代碼可以在http://code.google.com/p/python-twitter/下載。正如你猜到的那樣，借助它，我們可以使用Python來訪問Twitter。Twitter.com實(shí)際上是一個(gè)和其他人進(jìn)行交流的通道，其上發(fā)表的內(nèi)容被限制在140個(gè)字符以內(nèi)，發(fā)表的一條信息稱為推文(tweet)。

有關(guān)Twitter API的文檔可以在http://dev.twitter.com/doc找到。API文檔與Python模塊中的關(guān)鍵詞并不完全一致。我推薦直接閱讀Python文件twitter.py，以完全理解庫的使用方法。有關(guān)該模塊的安裝可以參考附錄A。雖然這里只會(huì)用到函數(shù)庫的一小部分，但是使用API可以做更多事情，所以我鼓勵(lì)讀者去探索一下API的所有功能。

示例：發(fā)現(xiàn)Twitter源中的共現(xiàn)詞（co-cocuring word)

（1)收集數(shù)據(jù)：使用python-twitter模塊來訪問推文。

（2)準(zhǔn)備數(shù)據(jù)：編寫一個(gè)函數(shù)來去掉URL、去掉標(biāo)點(diǎn)、轉(zhuǎn)換成小寫并從字符串中建立一個(gè)單詞集合。

（3)分析數(shù)據(jù)：在Python提示符下查看準(zhǔn)備好的數(shù)據(jù)，確保它的正確性。

（4)訓(xùn)練算法：使用createTree()與mineTree()函數(shù)執(zhí)行PP-growth算法。

（5)測(cè)試算法：這里不適用。

（6)使用算法：本例中沒有包含具體應(yīng)用，可以考慮用于情感分析或者查詢推薦領(lǐng)域。

在使用API之前，需要兩個(gè)證書集合。第一個(gè)集合是consumer_key和consumer_secret,當(dāng)注冊(cè)開發(fā)app時(shí)（https://dev.twitter.com/apps/new）)，可以從Twitter開發(fā)服務(wù)網(wǎng)站獲得。這些key對(duì)于要編寫的app是特定的。第二個(gè)集合是access_token_key和access_token_secret,它們是針對(duì)特定Twitter用戶的。為了獲得這些key,需要查看Twitter-Python 安裝包中的get_access_token.py文件（或者從Twitter開發(fā)網(wǎng)站中獲得）。這是一個(gè)命令行的Python腳本，該腳本使用OAuth來告訴Twitter應(yīng)用程序具有用戶的權(quán)限來發(fā)布信息。一旦完成上述工作之后，可以將獲得的值放入前面的代碼中開始工作。對(duì)于給定的搜索詞，下面要使用FP_growth算法來發(fā)現(xiàn)推文中的頻繁單詞集合。要提取盡可能多的推文（1400條）然后放到FP_growth算法中運(yùn)行。將下面的代碼添加到fpGrowth.py文件中。

程序清單1 訪問Twitter Python庫的代碼

這里需要導(dǎo)人三個(gè)庫，分別是twitter庫、用于正則表達(dá)式的庫，以及sleep函數(shù)。后面會(huì)使用正則表示式來幫助解析文本。

函數(shù)getLotsOfTweets() 處理認(rèn)證然后創(chuàng)建一個(gè)空列表。搜索API可以一次獲得100條推文。每100條推文作為一頁，而Twitter允許一次訪問14頁。在完成搜索調(diào)用之后，有一個(gè)6秒鐘的睡眠延遲，這樣做是出于禮貌，避免過于頻繁的訪問請(qǐng)求。print語句用于表明程序仍在執(zhí)行沒有死掉。

下面來抓取一些推文，在Python提示符下輸入：

>>> reload(fpGrowth)

<module 'fpGrowth' from 'fpGrowth.py'>