当前位置：首页 > news >正文

推特逆向算法，推特爬虫，数据分析，推特关键词搜索

news 来源：原创 2025/5/7 8:13:06

祝大家五一假期快乐！

最近推特加了逆向，频繁出现404，无法正常抓取数据，这里给出推特逆向的思路及代码，供大家参考学习！

本文将介绍如何使用 Python 模拟请求 Twitter 的 GraphQL 接口，结合 requests、BeautifulSoup 和自定义的 x-client-transaction-id 参数，成功获取搜索结果中的 timeline 数据。适合具备一定 Python 基础的开发者或对 Web 爬虫感兴趣的同学。

一、背景介绍

众所周知，Twitter（现 X）并没有开放完整的搜索接口给普通用户使用。如果你不是开发者账号，或者没有获得 Twitter API v2 的高级权限，就很难通过官方 API 获取搜索结果。

但实际上，Twitter 的 Web 前端使用的是 GraphQL 接口进行数据交互。我们可以通过分析请求，手动构造这些请求并获取数据。

二、核心技术栈

requests：用于发起 HTTP 请求
bs4 (BeautifulSoup)：用于解析 Twitter 首页 HTML，辅助构造 client_transaction_id
json：构造 GraphQL 请求参数
loguru：用于日志记录
自定义模块 ClientTransaction：用于生成 Twitter 的 x-client-transaction-id

三、关键参数获取

为了成功模拟 Twitter 请求，我们需要准备以下关键参数：

authorization Token：用于通过认证。
Cookie：用于维持会话，尤其是 ct0 和 auth_token 是必要的。
x-client-transaction-id：是防爬关键参数，通过访问首页解析获得。

四、代码

import bs4
import requests
import time
from decryption.transaction import ClientTransaction
from loguru import logger
import json
# 设置 cookie 和 authorization（需自己抓包获取）
twitter_cookie = '...你的cookie...'
authorization = "Bearer ...你的token..."
# 提取 ct0
xCsrfToken = ""
for part in twitter_cookie.split(";"):if part.strip().startswith("ct0="):xCsrfToken = part.strip().split("=", 1)[1]break
def get_cursor(dataJson):instructions = dataJson.get('data', {}).get('search_by_raw_query', {}).get('search_timeline', {}).get('timeline', {}).get('instructions', [])entries = []cursor = Nonefor ins in instructions:if ins.get('type') == "TimelineAddEntries":entries = ins.get('entries', [])for ent in entries:content = ent.get('content', {})if content.get('cursorType') == 'Bottom':cursor = content.get('value')breakreturn cursor, entries
cursor = ''
page = 1while True:url = "https://twitter.com"resp = requests.get(url, headers={"User-Agent": "..."})response = bs4.BeautifulSoup(resp.content, "lxml")ctreq = ClientTransaction(home_page_response=response)xClientTransactionId = ctreq.generate_transaction_id(method="GET",path="/i/api/graphql/AIdc203rPpK_k_2KWSdm7g/SearchTimeline")url = "https://x.com/i/api/graphql/AIdc203rPpK_k_2KWSdm7g/SearchTimeline"headers = {"authorization": authorization,"x-client-transaction-id": xClientTransactionId,"x-csrf-token": xCsrfToken,"x-twitter-auth-type": "OAuth2Session","x-twitter-active-user": "yes","x-twitter-client-language": "zh-cn","Cookie": twitter_cookie,"content-type": "application/json"}variables = {"rawQuery": "feed","count": 20,"querySource": "typed_query","product": "Top",}if cursor:variables["cursor"] = cursorparams = {"variables": json.dumps(variables, separators=(",", ":")),"features": json.dumps({"rweb_video_screen_enabled": False,"profile_label_improvements_pcf_label_in_post_enabled": True,# ...省略部分参数})}response = requests.get(url, headers=headers, params=params)logger.info(f"页数：{page}，状态码：{response.status_code}")if response.status_code == 404:logger.warning("页面未找到，重试...")continuereq_data = response.json()cursor, entries = get_cursor(req_data)for entry in entries:logger.info(entry)time.sleep(3)page += 1