如何用 TwexAPI 采集 Donald Trump 的 X 数据

采集公开账号数据时，不建议只靠一次关键词搜索。更稳的结构是：先保存账号资料，再用 cursor 分页获取时间线帖子，最后在需要更窄范围时使用搜索。

本文使用 realDonaldTrump 作为示例 screen name。公开账号可能更换 handle，尤其在做长期归档时，运行前请先确认当前 screen name。

采集计划

这个流程使用三个 TwexAPI 端点：

任务	端点	什么时候使用
获取公开账号资料	`GET /twitter/{screen_name}/about`	采集帖子前保存账号资料快照。
分页获取账号帖子	`POST /twitter/{screen_name}/timeline/page`	使用 cursor 分页采集时间线帖子。
搜索公开 X 结果	`POST /twitter/advanced_search/page`	需要按话题、短语或搜索操作符过滤时使用。

建议同时保存原始响应和整理后的行数据。这样字段映射或导出规则变化时，仍然能回到原始 JSON 复核。

获取账号资料

curl --request GET \
  --url https://api.twexapi.io/twitter/realDonaldTrump/about \
  --header 'Authorization: Bearer <token>'

把账号资料快照与帖子表分开保存。它可以包含账号标识、展示字段、简介字段，以及 API 返回的公开计数字段。

分页获取时间线帖子

POST /twitter/{screen_name}/timeline/page 接收 count 和 next_cursor。第一页不传 next_cursor。如果响应里的 has_next_page 为 true，就把返回的 next_cursor 放进下一次请求。

curl --request POST \
  --url https://api.twexapi.io/twitter/realDonaldTrump/timeline/page \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "count": 20
  }'

响应会包含当前页 data 和分页字段。

{
  "code": 200,
  "msg": "success",
  "data": [],
  "has_next_page": true,
  "next_cursor": "DAAHCgAB...",
  "requested_count": 20,
  "effective_count": 20,
  "parsed_count": 20
}

Python 采集器

下面的采集器会拉取有限页数的时间线，并把每条帖子整理成方便复核的行数据。

1import os
2from typing import Any
3
4import requests
5
6TOKEN = os.environ["TWEXAPI_BEARER_TOKEN"]
7SCREEN_NAME = "realDonaldTrump"
8BASE_URL = "https://api.twexapi.io"
9
10def headers() -> dict[str, str]:
11    return {"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"}
12
13def get_profile(screen_name: str) -> dict[str, Any] | None:
14    response = requests.get(
15        f"{BASE_URL}/twitter/{screen_name}/about",
16        headers=headers(),
17        timeout=30,
18    )
19    response.raise_for_status()
20    return response.json().get("data")
21
22def get_timeline_page(
23    screen_name: str,
24    *,
25    count: int = 20,
26    next_cursor: str | None = None,
27) -> dict[str, Any]:
28    payload: dict[str, Any] = {"count": count}
29    if next_cursor:
30        payload["next_cursor"] = next_cursor
31
32    response = requests.post(
33        f"{BASE_URL}/twitter/{screen_name}/timeline/page",
34        headers=headers(),
35        json=payload,
36        timeout=30,
37    )
38    response.raise_for_status()
39    return response.json()
40
41def normalize_post(post: dict[str, Any]) -> dict[str, Any]:
42    tweet_id = post.get("tweet_id") or post.get("id")
43    return {
44        "tweet_id": tweet_id,
45        "created_at": post.get("created_at_datetime") or post.get("created_at"),
46        "text": post.get("full_text") or post.get("text") or "",
47        "favorite_count": post.get("favorite_count") or 0,
48        "retweet_count": post.get("retweet_count") or 0,
49        "reply_count": post.get("reply_count") or 0,
50        "quote_count": post.get("quote_count") or 0,
51        "url": f"https://x.com/i/status/{tweet_id}",
52    }
53
54def collect_timeline(screen_name: str, max_pages: int = 3) -> list[dict[str, Any]]:
55    rows: list[dict[str, Any]] = []
56    cursor = None
57
58    for _ in range(max_pages):
59        page = get_timeline_page(screen_name, count=20, next_cursor=cursor)
60        rows.extend(normalize_post(post) for post in page.get("data", []))
61
62        if not page.get("has_next_page"):
63            break
64        cursor = page.get("next_cursor")
65        if not cursor:
66            break
67
68    return rows
69
70if __name__ == "__main__":
71    profile = get_profile(SCREEN_NAME)
72    posts = collect_timeline(SCREEN_NAME, max_pages=2)
73    print(profile.get("screen_name") if profile else SCREEN_NAME, len(posts))

可选的话题搜索

如果目标是账号归档，用时间线分页接口。如果只需要某个话题或关键词下的子集，再使用 advanced search by page。

curl --request POST \
  --url https://api.twexapi.io/twitter/advanced_search/page \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "searchTerms": ["from:realDonaldTrump economy"],
    "sortBy": "Latest"
  }'

把完整 query 与每条结果一起保存。之后有人问为什么某条帖子进入或没有进入数据集时，这个字段会很关键。

数据清洁

记录每次运行的 screen_name、采集时间、端点、query 和 cursor。
使用 tweet_id 作为去重主键。
先保存原始 JSON，再展开字段。
不要把互动数当作准确性、重要性或公众态度的证明。
在报告引用前，人工复核引用帖、媒体内容和回复上下文。

小结

对于 realDonaldTrump 这样的公开账号，实用流程是：账号资料、时间线分页、可选话题搜索，以及严格的数据导出记录。

这样文章给读者的是可复用的采集方法，而不是无法验证的价格宣传、伪造响应或 API 没有提供的分析结论。