【チョコプラ】悪い顔選手権のコメント欄から被害届を抽出する

はじめに

まずはこちらをご覧ください。
【企画】悪い顔選手権
https://www.youtube.com/watch?v=IEkLSfs1F68

動作環境

• Python 3.6.8
• YouTube Data API　※使用前に登録が必要。

実装内容

• コメント取得

  • Youtube Data APIを使用してコメントとそれに対するリプライコメントを取得する。
  • コメント以外の情報（コメントした人のID等）は取得しない。

• 被害届の判定条件

  • 「長田①」「松尾２」のように、名前＋数字（１～３）が入っている。
  • 「～された」のように受動態になっている。
  • ただし目撃情報も含みたいので「～いた」も含む。

ソースコード

get_youtube_comments.py

import json
import re

import pandas as pd
import requests

API_KEY = '自分のAPIキーを入力する'
VIDEO_ID = 'IEkLSfs1F68'


def get_comment_info(api_key, video_id, page_token):
    comment_url = 'https://www.googleapis.com/youtube/v3/commentThreads'
    param = {
        'key': api_key,
        'videoId': video_id,
        'part': 'replies, snippet',
        'maxResults': '100',
    }

    if page_token:
        param['pageToken'] = page_token

    response = requests.get(comment_url, params=param)
    return response.json()


def get_video_comments(api_key, video_id):
    comments = []
    page_token = ''

    while page_token != None:
        resource = get_comment_info(api_key, video_id, page_token)

        for comment_thread in resource['items']:
            # コメント取得
            comment = comment_thread['snippet']['topLevelComment']['snippet']['textDisplay']
            comments.append(comment)

            if ('replies' in comment_thread) and ('comments' in comment_thread['replies']):
                for replies in comment_thread['replies']['comments']:
                    # コメント取得
                    reply_comment = replies['snippet']['textDisplay']
                    comments.append(reply_comment)

        if 'nextPageToken' in resource:
            page_token = resource['nextPageToken']
        else:
            page_token = None
    return comments


# コメントのリストを取得
comments = get_video_comments(API_KEY, VIDEO_ID)
# 改行タグの削除
comments = list(map(lambda x: re.sub('<br />', '', x), comments))


target_list = []
report_comment_list = []

for comment in comments:
    target = re.findall('[長田|松尾]+[1-3１-３①②③]', comment)
    # 複数ある場合はユニーク値だけ取り出す
    target = list(set(target))

    passive_words = re.findall('(れた|れました|いた|いました)', comment)

    if len(target) > 0 and len(passive_words) > 0:
        # 1コメントにtargetが複数ある場合はtargetごとにリストに追加する
        for t in target:
            target_list.append(t)
            report_comment_list.append(comment)

df = pd.DataFrame({'target': target_list, 'comment': report_comment_list})

# ランダムに数件表示
df.sample(5, random_state=42)

実行結果

print(df.shape)
->(178, 2)

のべ178件の被害届が出されているようです。

	target	comment
19	松尾②	あまりにも執拗に追いかけてくるので本当に恐怖でした。後ろに幼い子どもも乗せていたので、気が気...
45	長田①	長田①にパーカー盗まれた。
24	長田③	長田③なお、以前から「神が私と手を取った」と近隣住民に対して話回っていたという情報が多数入っ...
30	松尾②	松尾②に、蟹96匹盗まれました。
67	松尾①	松尾①と長田②と松尾③にオレオレ詐欺されました。

No.24が気になりますね。

まとめ

チョコプラはいいぞ～

参考リンク

参考にさせていただきました。ありがとうございました。
【Python】Youtube Data Apiを使ってコメントを全取得する
YouTube Data APIでコメントとチャンネル登録者を取得する
チョコレートプラネットチャンネル