README.md
In PROMiDAT/socialscrapeR: Extraction and cleaning of data from the web

socialscrapeR

El propósito de este paquete es hacer sencillo el proceso de extracción de datos de redes sociales como facebook y twitter.

Puedes instalar la versión de desarrollo con la instrucción:

install.packages("devtools")
devtools::install_github("PROMiDAT/socialscrapeR")

Este paquete utiliza selenium para simular la interacción de un usuario con su cuenta de Facebook por lo que antes de comenzar se debe inicializar el servidor de selenium.

library(socialscrapeR)
bot_facebook = fb_bot$new()

bot_facebook$login(
  username = "******@gmai.com",
  password = "********")

Nota: Para evitar exponer tus credenciales en tu código se recomienda el uso de paquete keying.

Función `get_posts`

Esta función nos retorna un data.frame con la información de las últimas n publicaciones de una página, esta función recibe los siguiente parámetros:

x = una conexión con selenium creada con la función start_server en la que ya se inicio sesión en una cuenta de Facebook con la función login_facebook.
pagename: nombre de la página
n : cantidad mínima de publicaciones a descargar
reactions: si el valor es TRUE se retorna en un data.frame información sobre las reacciones de los usuario a la publicación

Veamos algunos ejemplos :

df <- bot_facebook$get_posts(pagename = "ameliarueda", n = 10, reactions = T)
tibble::glimpse(df)
#> Observations: 13
#> Variables: 12
#> $ page_id    <chr> "142921462922", "142921462922", "142921462922", "142921462…
#> $ post_id    <chr> "10158463330447923", "10158463292987923", "101584630863679…
#> $ text       <chr> "el jefe de la diplomacia de estados unidos llega hoy a co…
#> $ n_comments <dbl> 5, 1, 11, 1, 68, 0, 87, 11, 6, 39, 24, 76, 4
#> $ n_shares   <dbl> 1, 13, 1, 0, 11, 3, 662, 34, 2, 1, 9, 32, 4
#> $ like       <dbl> 8, 16, 3, 5, 143, 4, 438, 93, 35, 119, 65, 203, 13
#> $ love       <dbl> 0, 0, 0, 1, 18, 0, 10, 1, 0, 2, 0, 1, 2
#> $ wow        <dbl> 0, 11, 4, 0, 0, 11, 357, 28, 4, 0, 21, 30, 2
#> $ haha       <dbl> 2, 0, 2, 5, 10, 0, 5, 1, 3, 0, 2, 1, 12
#> $ sad        <dbl> 0, 2, 2, 0, 0, 7, 48, 7, 3, 0, 0, 13, 0
#> $ angry      <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2
#> $ date_time  <dttm> 2020-01-21 15:17:27, 2020-01-21 15:05:39, 2020-01-21 13:4…

La función get_posts retorna los siguiente valores.

page_id : identificador único de la página
post_id : identificador único de la publicación
text : contenido del texto principal de la publicación
n_comments : cantidad de comentarios
n_shares : cantidad de compartidos
like: cantidad de me gusta
love: cantidad de me encanta
wow: cantidad de me sorprende
haha: cantidad de risas
sad: cantidad de me entristece
angry: cantidad de me enoja
date_time : hora y fecha en la que se realizó la publicación

Para estraer los comentarios de una publicación debemos indicar el id de la página y el id de la publicación que queremos analizar.


comentarios <- bot_facebook$get_comments(page_id = "142921462922", post_id = "10158463086367923")
tibble::glimpse(comentarios)
#> List of 1
#>  $ :Classes 'tbl_df', 'tbl' and 'data.frame':    11 obs. of  5 variables:
#>   ..$ page_id  : chr [1:11] "142921462922" "142921462922" "142921462922" "142921462922" ...
#>   ..$ post_id  : chr [1:11] "10158463086367923" "10158463086367923" "10158463086367923" "10158463086367923" ...
#>   ..$ full_name: chr [1:11] "Sergio Cam" "Eliomar Vargas" "Sergio Cam" "Raúl Buendía" ...
#>   ..$ user_name: chr [1:11] "/sergio.camposbarquero" "/eliomar.vargas2" "/sergio.camposbarquero" "/raul.buendiaurena" ...
#>   ..$ text     : chr [1:11] "suponiendo que son 1386 millones de personas, 300 infectados es el 0,00021 de la población, por lo que la tasa "| __truncated__ "sergio cam pero cual de las dos tiene mas potencial de expansión?" "eliomar vargas el hambre evidentemente! hay muertos por hambre en todo el mundo! y ni se diga la escasez de agua!" "sergio cam el hambre es un problema endémico en ciertas zonas del mundo, relacionada con problemas estructurale"| __truncated__ ...

La función get_comments retorna los siguiente valores