Skip to contents

Scraping de X/Twitter con TweetScraperR

Source: vignettes/tweetscraperr.Rmd
tweetscraperr.Rmd

TweetScraperR recolecta datos de X/Twitter (tweets, usuarixs y metadatos) para análisis y visualización. Esta viñeta describe el flujo recomendado, basado en consultas a la API GraphQL interna de X (datos estructurados, sin selectores HTML frágiles).

1. Instalar el motor (una vez por máquina)

El motor de scraping corre sobre Node.js (>= 18) + Playwright. Se instala una sola vez:

library(TweetScraperR)

# Descarga Playwright + el navegador Chromium dentro del paquete.
installPlaywrightEngine()

# Verifica que el motor quedó operativo.
checkPlaywrightEngine()

2. Importar tu sesión

X bloquea el login automatizado (detecta el navegador por fingerprint). Por eso la sesión se importa desde tu navegador normal, donde ya estás logueadx:

  1. Iniciá sesión en https://x.com en tu navegador habitual.
  2. Abrí las DevTools (F12) → pestaña Application / Almacenamiento → Cookies → https://x.com.
  3. Copiá los valores de las cookies auth_token y ct0.
  4. Importalos:
importSessionX(auth_token = "tu_auth_token", ct0 = "tu_ct0")

La sesión queda guardada en disco y todas las funciones la reusan sin volver a loguearse. Cuando las cookies expiren, repetí el paso para reimportarlas.

3. Recolectar datos (funciones *API())

Las funciones *API() devuelven un tibble con datos estructurados: texto completo, fecha exacta y métricas (respuestas, retweets, citas, me gusta, vistas).

# Timeline de unx usuarix
tl <- getUserTweetsAPI("rstatstweet", n_tweets = 200)

# Búsqueda (Latest / Top / Media; soporta operadores como from:, since:, lang:)
busq <- getTweetsSearchAPI("#RStats lang:es", n_tweets = 200, product = "Latest")

# Respuestas / hilo de un tweet
hilo <- getTweetsRepliesAPI("https://x.com/NASA/status/123", n_tweets = 100)

# Datos de tweets a partir de sus URLs
datos <- getTweetsDataAPI(c(
  "https://x.com/NASA/status/123",
  "https://x.com/NASA/status/456"
))

# Media (fotos/videos) de unx usuarix
media <- getUserMediaAPI("NASA", n_tweets = 100)

# Redes de usuarixs
seguidores <- getUserFollowersAPI("rstatstweet", n_users = 200)
siguiendo  <- getUserFollowingAPI("rstatstweet", n_users = 200)
retweeters <- getTweetsRetweetsAPI("https://x.com/NASA/status/123", n_users = 200)

# Datos de perfil
perfiles <- getUsersDataAPI(c("NASA", "rstatstweet"))

Por defecto cada función guarda un archivo .rds con marca de tiempo en el directorio de trabajo (save = TRUE); pasá save = FALSE para no guardar.

4. Visualización y análisis

Sobre los datos recolectados podés usar las funciones de visualización del paquete (plotTime(), plotWords(), plotEmojis()) y de análisis con IA (getTweetsSentiments(), getTweetsImagesAnalysis()).

Uso responsable

El scraping autenticado de X puede violar sus Términos de Servicio y derivar en la suspensión de la cuenta. El contenido recolectado está sujeto a los derechos de X y de sus autores. Usá cuentas dedicadas de investigación y respetá la normativa de protección de datos aplicable.