Cómo recopilar datos políticos de Twitter para investigación

#Qué datos políticos de Twitter puedes recopilar

Hoy se pueden recopilar tres tipos de datos políticos en X: lo que publican los cargos públicos, lo que dice la gente sobre una elección o un tema, y cómo responde la gente a los posts de esos cargos. Todos son públicos, tienen fecha y hora, y están ligados a un autor, y por eso X sigue siendo una fuente habitual en la investigación de comunicación política.

• Los posts propios de los cargos públicos. Legisladores, ministros, partidos, organismos y candidatos. Es un registro pequeño y limpio: unos cientos de cuentas y decenas de miles de posts al mes para un legislativo nacional.
• La conversación sobre elecciones y temas. Todo lo que el público publica con el nombre de un candidato, una ley, un hashtag o un debate. Va de miles de posts en una contienda local a millones en una votación nacional.
• Las reacciones. Las respuestas y las citas bajo una declaración oficial, que muestran cómo cayó el mensaje.

Algunos datos quedan fuera del alcance de cualquier API: los posts que sus autores borraron, las cuentas protegidas, los mensajes privados y la lista de quién dio like a un post. Los viejos datasets de investigación no llenan ese vacío. La mayoría se publicó como listas de IDs de tweets, porque las reglas de la plataforma permitían compartir IDs pero no textos, y el ID de un tweet borrado ya no devuelve nada. Los investigadores perdieron su vía gratuita en 2023, y la historia de quién podía buscar en el archivo de Twitter explica qué la reemplazó.

Por eso un estudio político en 2026 recopila sus propios datos: hacia adelante desde hoy si la campaña sigue en curso, o hacia atrás por el archivo si es una campaña pasada, que llega hasta marzo de 2006.

#Recopila tweets políticos con Sorsa API

Para recopilar tweets políticos, usa Sorsa API: una sola clave API lee los timelines de los cargos públicos y la conversación electoral desde $0.07 por 1,000 tweets, a 20 solicitudes por segundo en todos los planes, sin cuenta de desarrollador de X y sin OAuth. La API oficial de X cobra $5.00 por 1,000 posts por las mismas lecturas y se detiene en 3 millones de posts al mes.

Cada tipo de dato político tiene su endpoint. Todos devuelven el perfil completo del autor dentro de cada tweet, sin cargo adicional.

• Una lista de seguimiento de cargos públicos, como un solo feed

  Endpoint de Sorsa API

  GET /list-tweets (se abre en una pestaña nueva)

  Por solicitud

  unos 20 tweets

  Desde, por 1,000

  $0.07

• El timeline completo de un cargo público

  Endpoint de Sorsa API

  POST /user-tweets (se abre en una pestaña nueva)

  Por solicitud

  unos 20 tweets

  Desde, por 1,000

  $0.07

• Conversación electoral o sobre un tema, por consulta y fecha

  Endpoint de Sorsa API

  POST /search-tweets (se abre en una pestaña nueva)

  Por solicitud

  unos 20 tweets

  Desde, por 1,000

  $0.07

• Respuestas bajo un post de un cargo público

  Endpoint de Sorsa API

  POST /comments (se abre en una pestaña nueva)

  Por solicitud

  unas 20 respuestas

  Desde, por 1,000

  $0.07

• Perfiles de todas las cuentas de tu lista

  Endpoint de Sorsa API

  GET /info-batch (se abre en una pestaña nueva)

  Por solicitud

  hasta 100 perfiles

  Desde, por 1,000

  $0.014

• Posts que ya tienes, revisados de nuevo por ID

  Endpoint de Sorsa API

  POST /tweet-info-bulk (se abre en una pestaña nueva)

  Por solicitud

  hasta 100 tweets

  Desde, por 1,000

  $0.014

Sorsa API es una API REST: una solicitud con tu clave devuelve JSON limpio, sin nada que ejecutar en tu navegador y sin cuenta de X. Funciona en producción desde 2022, con más de 6 mil millones de solicitudes procesadas, y cuando X cambia algo, lo arreglamos de nuestro lado, así que una recopilación que corre durante una noche electoral no se rompe a la mitad. Nunca te pide tu login de X, así que tu propia cuenta no corre ningún riesgo.

#Arma una lista de seguimiento con las cuentas de los políticos

Una lista de seguimiento es la lista de cuentas que sigue tu estudio, guardada como IDs numéricos de usuario. Empieza por una fuente pública que alguien ya haya verificado, no por una búsqueda de insignias azules: desde 2023 la insignia es una suscripción de pago, no una prueba de que la cuenta sea oficial.

Para el Congreso de Estados Unidos, el proyecto de datos abiertos unitedstates/congress-legislators (se abre en una pestaña nueva) mantiene un archivo con las cuentas oficiales de redes sociales de los miembros. El 2 de noviembre de 2026 listaba 505 handles de X, 408 de ellos con IDs numéricos, y su última actualización fue el 24 de octubre de 2026. El proyecto solo acepta cuentas oficiales, financiadas con dinero público, y no cuentas de campaña ni personales, que es la distinción que necesita un estudio de comunicación oficial. Muchos parlamentos publican las cuentas de sus miembros en sus propios sitios de datos abiertos; empieza por ahí si trabajas con otros países.

Los handles cambian; los IDs numéricos no. Resuelve cada handle a su ID una sola vez con GET /info-batch, 100 cuentas por solicitud, y usa el ID como llave de tu lista de seguimiento. El script de abajo lee el archivo del Congreso y guarda una fila de perfil por cada miembro.

import csv
import requests
import yaml  # pip install pyyaml requests

URL = "https://api.sorsa.io/v3/info-batch"
HEADERS = {"ApiKey": "YOUR_API_KEY"}
SRC = ("https://raw.githubusercontent.com/unitedstates/"
       "congress-legislators/main/legislators-social-media.yaml")

members = yaml.safe_load(requests.get(SRC, timeout=30).text)
handles = [m["social"]["twitter"] for m in members
           if m["social"].get("twitter")]

rows = []
for i in range(0, len(handles), 100):  # 100 handles per request
    r = requests.get(URL, headers=HEADERS, timeout=30,
                     params={"usernames": handles[i:i + 100]})
    r.raise_for_status()
    rows += r.json().get("users", [])

with open("watchlist.csv", "w", newline="", encoding="utf-8") as f:
    w = csv.writer(f)
    w.writerow(["id", "username", "display_name", "followers"])
    for u in rows:
        w.writerow([u["id"], u["username"], u["display_name"],
                    u["followers_count"]])
print(len(rows), "accounts saved")

Seis solicitudes cubren los 505 handles. Las cuentas que no aparecen en la respuesta cambiaron de nombre, fueron suspendidas o se volvieron protegidas desde la última actualización de la lista; revísalas a mano una vez y corrige el archivo.

#Recopila todos los posts de la lista de seguimiento

Para recopilar todos los posts que publica una lista de seguimiento, pon las cuentas en una Lista pública de X y léela con GET /list-tweets: un solo feed trae los posts de todos los miembros, los más nuevos primero, unos 20 por solicitud. Una Lista de X admite hasta 5,000 cuentas, suficientes para cualquier legislativo nacional, y la guía de Listas muestra cómo leer Listas de X con la API.

Consulta el feed de forma programada y retrocede por las páginas solo hasta llegar a un post que ya guardaste. Una revisión por hora de una Lista del Congreso con 505 cuentas cuesta entonces unas pocas solicitudes, sin importar si la hora fue tranquila o movida.

import json
import time
from datetime import datetime, timezone

import requests

URL = "https://api.sorsa.io/v3/list-tweets"
HEADERS = {"ApiKey": "YOUR_API_KEY"}
LIST_ID = "1720000000000000001"  # your public X List of officials


def check(last_id):
    """Fetch posts newer than last_id, newest first."""
    params, new = {"list_id": LIST_ID}, []
    while True:
        r = requests.get(URL, headers=HEADERS, params=params, timeout=30)
        if r.status_code == 429:  # over 20 requests a second
            time.sleep(1)
            continue
        r.raise_for_status()
        page = r.json()
        for t in page.get("tweets", []):
            if int(t["id"]) <= last_id:
                return new  # reached the last saved post
            new.append(t)
        if not page.get("next_cursor"):
            return new
        params["next_cursor"] = page["next_cursor"]


last_id = 0  # store this between runs
while True:
    seen = datetime.now(timezone.utc).isoformat()
    posts = check(last_id)
    with open("posts.jsonl", "a", encoding="utf-8") as f:
        for t in posts:
            f.write(json.dumps({"first_seen": seen, **t}) + "\n")
    if posts:
        last_id = max(int(t["id"]) for t in posts)
    print(seen, len(posts), "new posts")
    time.sleep(3600)  # one check an hour

// watch.mjs, Node.js 18 or later
import fs from "node:fs";

const URL = "https://api.sorsa.io/v3/list-tweets";
const headers = { ApiKey: "YOUR_API_KEY" };
const LIST_ID = "1720000000000000001"; // your public X List
const sleep = (ms) => new Promise((r) => setTimeout(r, ms));

async function check(lastId) {
  const params = new URLSearchParams({ list_id: LIST_ID });
  const fresh = [];
  while (true) {
    const res = await fetch(`${URL}?${params}`, { headers });
    if (res.status === 429) { await sleep(1000); continue; }
    if (!res.ok) throw new Error(`HTTP ${res.status}`);
    const page = await res.json();
    for (const t of page.tweets ?? []) {
      if (BigInt(t.id) <= lastId) return fresh; // already saved
      fresh.push(t);
    }
    if (!page.next_cursor) return fresh;
    params.set("next_cursor", page.next_cursor);
  }
}

let lastId = 0n; // store this between runs
while (true) {
  const seen = new Date().toISOString();
  const posts = await check(lastId);
  const lines = posts.map((t) =>
    JSON.stringify({ first_seen: seen, ...t }) + "\n");
  fs.appendFileSync("posts.jsonl", lines.join(""));
  for (const t of posts) if (BigInt(t.id) > lastId) lastId = BigInt(t.id);
  console.log(seen, posts.length, "new posts");
  await sleep(3_600_000); // one check an hour
}

Una respuesta 403 significa que la clave falta, es incorrecta o ya no tiene solicitudes; una 429 significa más de 20 solicitudes en un segundo, así que el script espera un segundo y vuelve a intentar. Los IDs de los tweets crecen con el tiempo, y por eso comparar IDs permite encontrar el último post guardado.

Para extraer una sola vez todo el historial de un cargo público, llama a POST /user-tweets con el ID de usuario de la cuenta y retrocede por las páginas del post más nuevo al más antiguo; la guía para descargar todos los tweets de un usuario cubre esa exportación a CSV.

#Recopila la conversación electoral y sobre temas con la búsqueda

La conversación sobre elecciones y temas se recopila con una consulta de búsqueda: los nombres de candidatos y partidos, los hashtags de la contienda y las frases clave del tema, un idioma y una ventana de fechas, enviados a POST /search-tweets y paginados con next_cursor. La consulta es el diseño de la investigación, así que escríbela antes de recopilar y publícala junto con tus resultados.

Equilibra la consulta. Una búsqueda por el hashtag de un solo bando mide solo a ese bando, así que nombra a todos los candidatos y partidos de la contienda de la misma manera, con los mismos operadores. Divide los periodos largos en ventanas de un día o una semana con since: y until:, para que una ventana fallida se pueda repetir por sí sola. La sintaxis completa está en la lista de operadores de búsqueda de Twitter.

curl -X POST "https://api.sorsa.io/v3/search-tweets" \
  -H "ApiKey: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "(#Measure7 OR \"Measure 7\") since:2026-10-20 until:2026-10-21",
    "order": "latest"
  }'

{
  "tweets": [
    {
      "id": "1981234567890123456",
      "full_text": "Measure 7 forum tonight: each side got 5 questions.",
      "created_at": "2026-10-20T23:41:07Z",
      "lang": "en",
      "likes_count": 57,
      "retweet_count": 14,
      "reply_count": 9,
      "quote_count": 3,
      "is_reply": false,
      "is_quote_status": false,
      "user": {
        "id": "1590000000000000042",
        "username": "county_civics_desk_demo",
        "display_name": "County Civics Desk",
        "followers_count": 8213
      }
    }
  ],
  "next_cursor": "DAADDAABCgABG4lN0iWAJ8kKAAIbiUY1qZvwRg"
}

Envía el mismo cuerpo otra vez con next_cursor añadido, y detente cuando llegue una respuesta sin él. Las páginas traen unos 20 tweets y su tamaño varía, así que cuenta posts, no páginas.

Decide qué hacer con los retweets antes de recopilar

Los retweets cargan mucha más política que los posts originales, así que descartarlos cambia lo que dice tu dataset. En el estudio del Pew Research Center sobre un año de tweets de adultos de Estados Unidos, el 44% de los retweets y el 42% de las citas eran políticos, frente al 26% de las respuestas y el 8% de los tweets originales.

Un estudio sobre lo que la gente dice con sus propias palabras añade -filter:retweets a la consulta. Un estudio sobre lo que se difunde conserva los retweets y lee el post original de cada uno en su retweeted_status. Las dos opciones son válidas; dejarlo al azar no lo es.

#Guarda un registro de los posts eliminados

Ninguna API devuelve un post después de que su autor lo elimina, ni Sorsa API ni la API oficial de X, así que el único registro del post eliminado de un político es el que guardaste primero. Una lista de seguimiento que guarda cada post en cuanto lo ve ya tiene ese registro; lo que necesita después es una forma de notar la eliminación.

Vuelve a revisar los IDs que guardaste con POST /tweet-info-bulk, 100 por solicitud. Un post que ya no aparece fue eliminado, o su cuenta fue suspendida o se volvió protegida; registra el ID con la hora en que lo notaste. Una revisión diaria de 100,000 posts guardados toma 1,000 solicitudes, desde $1.40.

import requests

URL = "https://api.sorsa.io/v3/tweet-info-bulk"
HEADERS = {"ApiKey": "YOUR_API_KEY"}


def missing(ids):
    """Return the saved IDs that no longer come back."""
    gone = []
    for i in range(0, len(ids), 100):  # 100 IDs per request
        batch = ids[i:i + 100]
        r = requests.post(URL, headers=HEADERS, timeout=30,
                          json={"tweet_links": batch})
        r.raise_for_status()
        back = {t["id"] for t in r.json().get("tweets", [])}
        gone += [x for x in batch if x not in back]
    return gone

Los posts eliminados son la parte más delicada de una recopilación política. Repórtalos como conteos y patrones, o cítalos solo cuando el autor sea un cargo público y el post haya sido parte de un asunto público, como han hecho los archivos de prensa con los posts eliminados de los políticos.

#Cuánto cuesta una recopilación política

Una recopilación política con Sorsa API cuesta desde $0.07 por 1,000 tweets a través de la búsqueda, los timelines y los feeds de Listas, frente a $5.00 por 1,000 posts en la API oficial de X, unas 70 veces menos. Las tarjetas comparan las dos APIs para el tamaño de tu estudio.

Tres trabajos de investigación típicos muestran dónde cae la diferencia. Las cifras de la API oficial de X cuentan solo posts, al precio de la lista de precios de pago por uso (se abre en una pestaña nueva) de X.

• Un mes de posts del Congreso, 505 cuentas con 4 al día cada una, revisadas cada hora

  Tweets

  61K

  Sorsa API

  desde $5.04

  API oficial de X

  $303

• Una noche de debate, con los nombres y hashtags de todos los candidatos

  Tweets

  200K

  Sorsa API

  desde $14

  API oficial de X

  $1,000

• Diez semanas de conversación de campaña

  Tweets

  10M

  Sorsa API

  desde $700

  API oficial de X

  por encima del tope mensual de 3 millones: Enterprise, desde $42,000 al mes

Para tener en cuenta

A partir del 22 de noviembre de 2026, la API oficial de X también cobra cada perfil de autor que llega con un post, a $0.010, como anunció el equipo de desarrolladores de X el 23 de octubre (se abre en una pestaña nueva). Los resultados de búsqueda vienen de miles de autores distintos, así que la conversación electoral leída ahí puede costar hasta $15.00 por 1,000 posts. Sorsa API incluye a cada autor dentro del tweet.

El plan de pago por uso de la API oficial de X se detiene en 3 millones de lecturas de posts por ciclo de facturación, así que una campaña nacional lo supera en semanas, y el escalón siguiente es un contrato Enterprise desde unos $42,000 al mes. Además, antes de la primera lectura necesita una cuenta de desarrollador aprobada, un proyecto y una app, y tokens de OAuth.

#Reglas para que la investigación política sea sólida

Los datos políticos de Twitter miden la conversación en línea, no la opinión pública, y las reglas de abajo mantienen un estudio dentro de lo que los datos pueden mostrar.

• Los usuarios de X no son el electorado. En el estudio de Pew, los adultos de 50 años o más eran el 24% de los usuarios adultos de Estados Unidos y escribieron el 78% de sus tweets políticos. Toma los conteos como una medida de quién habla en X, nunca como una encuesta.
• Los bots y las cuentas coordinadas inflan los temas políticos. Fíltralos antes de contar e informa qué quitaste; la guía de detección de bots en Twitter enumera las señales.
• La consulta decide el resultado. Publica la consulta exacta, las ventanas, el endpoint y las fechas de recopilación, para que otras personas puedan reconstruir tu dataset.
• Estudia posts y cargos públicos, no votantes. Mide la conversación en conjunto y cita a los usuarios comunes con moderación. Inferir las opiniones políticas de una persona está fuera de los límites de la ética de la investigación, y el propio acuerdo para desarrolladores (se abre en una pestaña nueva) de X prohíbe perfilar a las personas por su afiliación política.

Para tener en cuenta

Los datos políticos sirven para entender la política, no para dirigir a los votantes. Limita una recopilación política a la investigación, el periodismo y el trabajo de rendición de cuentas: sin padrones de votantes, sin listas de segmentación y sin mensajes dirigidos a personas elegidas por lo que publican.

El etiquetado, la deduplicación y la división de un corpus para un modelo son iguales con los tweets políticos que con cualquier otro tipo, y la guía para crear un dataset de Twitter para machine learning los cubre. Medir el tono y la postura es el tema del análisis de sentimientos en Twitter.

#Empieza tu recopilación política con 100 solicitudes gratis

Para recopilar datos políticos de Twitter, empieza con Sorsa API: un feed de lista de seguimiento, timelines y búsqueda electoral con una sola clave API, desde $0.07 por 1,000 tweets, a 20 solicitudes por segundo en todos los planes. Las 100 solicitudes gratis devuelven unos 2,000 posts, sin tarjeta y sin vencimiento. Extrae una semana de tus cargos públicos o de tu contienda, revisa la consulta y después programa el resto. Los equipos universitarios también pueden solicitar el acceso de investigación académica de Sorsa API con un correo institucional.

#Preguntas frecuentes