python - 为什么有些推文在搜索 api 中而不是在流 api 中，反之亦然

Question

我有一个脚本，它使用 twitter streaming api 将短语(例如“python”)的传入推文存储到数据库表“A”中。随后，另一个脚本使用 twitter search api 搜索相同的短语。并将结果存储到表“B”中。我的问题是为什么“A”中有些推文不在“B”中，反之亦然。

我可以想到在“B”中而不是在“A”中包含推文的一个原因:

“A”仅包含流 api 启动后发布的推文，而搜索 api 返回上周的结果。如果流式API已经运行超过一周，那么“B”中不能有任何不在“A”中的推文。

我知道在“A”中包含一些推文而不是在“B”中的两个原因:

1. 搜索 API 仅返回上周的结果，而流式处理 API 返回所有内容
2. 搜索 API 仅返回部分结果，而不是全部结果，因为其重点不在于完整性。

我想确认一下我的理解是否正确。

Answer 1

对于“B”而不是“A”，你是正确的。您所包含的搜索 API 链接就是一个重要的迹象:

It allows queries against the indices of recent or popular Tweets...

对于“A”而不是“B”，你也是正确的，但有一些小错误。

1. Streaming API 不会返回所有内容，它只会返回 1% 的推文总数。 1% 过滤器是在 Twitter 内部完成的， 没有任何迹象表明它是如何完成的。不久前有一个关于修复 1% 以使其成为真正的 1% 的公告，但我似乎找不到我阅读它的链接。
2. 使用 Streaming API 时，您还会受到以下问题的影响(更常见):
   • 公共(public)直播限制(达到 1%)
   • 失速警告(警告)

其他几个取决于您的使用 https://dev.twitter.com/streaming/overview/messages-types