政治関連のTwitterデータを研究用に収集する方法

#収集できる政治関連のTwitterデータ

現在、Xの政治関連データとして収集できるのは3種類です。公職者の投稿、選挙や争点についての一般の発言、そして公職者の投稿に対する反応です。いずれも公開されていて、時刻と投稿者が記録されています。そのため、Xは政治コミュニケーション研究の標準的なデータ源であり続けています。

• 公職者本人の投稿。 議員、大臣、政党、官公庁、候補者のアカウントです。件数が少なく整ったデータで、一国の議会なら数百アカウント、月に数万件の投稿規模です。
• 選挙や争点をめぐる議論。 候補者名、法案、ハッシュタグ、討論会に触れた一般の投稿すべてです。地方選なら数千件、国政選挙なら数百万件に達します。
• 反応。 公職者の発言に付いたリプライや引用投稿で、メッセージがどう受け止められたかが分かります。

どのAPIでも手が届かないデータもあります。投稿者が削除した投稿、非公開アカウント、ダイレクトメッセージ、いいねしたユーザーの一覧です。過去の研究用データセットでも、この欠落は埋められません。多くはツイートIDの一覧として公開されていました。プラットフォームの規約でIDの共有は認められても本文の共有は認められなかったためで、削除されたツイートのIDは今では何も返しません。研究者は2023年に無料の入手経路を失いました。その後に何が代わったかは、Twitterのアーカイブを検索できたのは誰かの経緯で解説しています。

そのため2026年の政治研究では、自分でデータを集めることになります。進行中の選挙戦なら今日から先に向けて、過去の選挙ならアーカイブをさかのぼって収集します。アーカイブは2006年3月まで届きます。

#Sorsa APIで政治関連ツイートを収集する

政治関連ツイートの収集には、Sorsa APIが使えます。APIキー1つで、公職者のタイムラインと選挙をめぐる議論を1,000ツイートあたり$0.07から読み取れます。全プラン毎秒20リクエストで、Xの開発者アカウントもOAuthも不要です。同じ読み取りに対して、公式X APIは1,000投稿あたり$5.00かかり、月間300万投稿で頭打ちになります。

政治データの種類ごとに、対応するエンドポイントがあります。どのエンドポイントも、各ツイートの中に投稿者のプロフィール全体を追加料金なしで含めて返します。

• 公職者のウォッチリストを1つのフィードで

  Sorsa APIのエンドポイント

  GET /list-tweets（新しいタブで開きます）

  1リクエストあたり

  約20ツイート

  1,000件あたり（最安）

  $0.07

• 公職者1人の全タイムライン

  Sorsa APIのエンドポイント

  POST /user-tweets（新しいタブで開きます）

  1リクエストあたり

  約20ツイート

  1,000件あたり（最安）

  $0.07

• クエリと日付で絞る、選挙や争点の議論

  Sorsa APIのエンドポイント

  POST /search-tweets（新しいタブで開きます）

  1リクエストあたり

  約20ツイート

  1,000件あたり（最安）

  $0.07

• 公職者の投稿に付いたリプライ

  Sorsa APIのエンドポイント

  POST /comments（新しいタブで開きます）

  1リクエストあたり

  約20件のリプライ

  1,000件あたり（最安）

  $0.07

• リスト内の全アカウントのプロフィール

  Sorsa APIのエンドポイント

  GET /info-batch（新しいタブで開きます）

  1リクエストあたり

  最大100プロフィール

  1,000件あたり（最安）

  $0.014

• 保存済みの投稿をIDで再確認

  Sorsa APIのエンドポイント

  POST /tweet-info-bulk（新しいタブで開きます）

  1リクエストあたり

  最大100ツイート

  1,000件あたり（最安）

  $0.014

Sorsa APIはRESTのAPIです。キーを付けてリクエストを1回送るだけで整ったJSONが返り、ブラウザで動かすものも、Xアカウントも要りません。2022年から本番環境で稼働し、累計60億リクエスト以上を処理しています。Xに変更があってもSorsa側で修正するため、開票日の夜にまたがる収集でも途中で止まりません。Xのログイン情報を求めることはなく、ご自身のアカウントにリスクはありません。

#政治家アカウントのウォッチリストを作る

ウォッチリストとは、研究で追跡するアカウントの一覧で、数値のユーザーIDで保管します。作り始めるときは、青いチェックマークで探すのではなく、すでに誰かが確認した公開情報から出発してください。2023年以降、チェックマークは有料サブスクリプションの印であり、公式アカウントである証明ではありません。

米国連邦議会であれば、オープンデータのプロジェクトunitedstates/congress-legislators（新しいタブで開きます）に、議員の公式SNSアカウントを記したファイルがあります。2026年11月2日時点で、Xのハンドルが505件載っており、うち408件に数値IDが付いています。最終更新は2026年10月24日です。このプロジェクトが受け付けるのは、公費で運営される公式アカウントだけで、選挙運動用や個人のアカウントは含まれません。公式な発信を扱う研究に必要なのは、まさにこの区別です。他の国でも、多くの議会が議員のアカウントを自前のオープンデータサイトで公開しているので、そこから始めてください。

ハンドルは変わりますが、数値IDは変わりません。GET /info-batch で、1リクエストあたり100アカウントずつ、すべてのハンドルを一度だけIDに変換し、そのIDをウォッチリストのキーとして保管します。下のスクリプトは連邦議会のファイルを読み込み、議員1人につきプロフィールを1行ずつ保存します。

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")

505件のハンドルは6リクエストで処理できます。結果に含まれなかったアカウントは、リストの更新後に名前が変わったか、凍結されたか、非公開になったものです。一度手作業で確認し、ファイルを修正してください。

#ウォッチリストの全投稿を収集する

ウォッチリストが発信する全投稿を集めるには、アカウントを公開Xリストにまとめ、GET /list-tweets で読み取ります。1つのフィードに全メンバーの投稿が新しい順に並び、1リクエストあたり約20件です。Xリストには最大5,000アカウントを登録できるので、どの国の議会でも収まります。Xリストの読み取り方は、リストのガイドAPIでXリストを読み取る方法で紹介しています。

フィードは定期的に確認し、すでに保存した投稿に行き当たったところでページの取得を止めます。そうすれば、505アカウントの連邦議会リストを1時間ごとに確認しても、その時間帯が静かでも忙しくても、リクエストは数回で済みます。

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
}

403が返るのは、キーがない、キーが誤っている、またはリクエストを使い切った場合です。429は1秒間に20リクエストを超えたことを示すため、スクリプトは1秒待ってからもう一度リクエストします。ツイートIDは時間とともに大きくなるので、IDを比較すれば保存済みの最後の投稿を見つけられます。

公職者1人の全履歴を一度に取得するには、そのアカウントのユーザーIDを指定して POST /user-tweets を呼び、最新の投稿から最古の投稿までページを順にさかのぼります。CSVへのエクスポートは、ユーザーの全ツイートをダウンロードする方法のガイドで解説しています。

#検索で選挙・争点をめぐる議論を収集する

選挙や争点をめぐる議論は、検索クエリで収集します。候補者名や政党名、選挙戦のハッシュタグ、争点のキーフレーズ、言語、期間を指定して POST /search-tweets に送り、next_cursor でページをたどります。クエリは研究デザインそのものです。収集の前に書き上げ、結果と一緒に公開してください。

クエリはバランスを取ります。一方の陣営のハッシュタグだけで検索すれば、測れるのはその陣営だけです。選挙戦に出ているすべての候補者と政党を、同じ書き方、同じ演算子で指定してください。長い期間は since: と until: で1日または1週間の窓に区切ると、失敗した窓だけを単独で再実行できます。構文の全体は、Twitterの検索演算子の一覧にあります。

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"
}

次のページは、同じボディに next_cursor を加えて送ります。カーソルが含まれないレスポンスが返ったら止めてください。1ページは約20ツイートで件数にばらつきがあるため、数えるのはページではなく投稿です。

収集の前にリツイートの扱いを決める

政治的な内容は、元の投稿よりリツイートのほうがはるかに多く含みます。そのため、リツイートを外すとデータセットの内容が変わります。Pew Research Centerが米国の成人による1年分のツイートを調べたところ、政治的な内容だったのはリツイートの44%、引用投稿の42%で、リプライは26%、元のツイートは8%でした。

人々が自分の言葉で何を語るかを調べる研究なら、クエリに -filter:retweets を加えます。何が拡散するかを調べる研究なら、リツイートを残し、各リツイートの retweeted_status から元の投稿を読み取ります。どちらの選び方でも構いませんが、成り行きに任せるのは避けてください。

#削除された投稿の記録を残す

投稿者が削除した投稿は、どのAPIも返しません。Sorsa APIも公式X APIも同じです。そのため、政治家の削除済み投稿の記録は、自分が最初に保存したものしかありません。ウォッチリストの投稿を初めて見た時点ですべて保存していれば、その記録はすでに手元にあります。次に必要なのは、削除に気づく仕組みです。

保存したIDは、POST /tweet-info-bulk で1リクエストあたり100件ずつ再確認します。返ってこなくなった投稿は、削除されたか、アカウントが凍結または非公開になったということです。そのIDを、気づいた時刻とともに記録してください。保存した10万件の投稿を毎日再確認する場合、リクエストは1,000回で、$1.40からです。

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

削除された投稿は、政治関連の収集で最も慎重に扱うべき部分です。報告するときは件数とパターンにとどめてください。引用するのは、投稿者が公職者で、投稿が公務に関わるものだった場合に限ります。報道機関が政治家の削除済み投稿をアーカイブしてきたのと同じ扱いです。

#政治関連の収集にかかる費用

Sorsa APIで政治関連のデータを集める費用は、検索、タイムライン、リストのフィードのいずれも1,000ツイートあたり$0.07からです。公式X APIは1,000投稿あたり$5.00なので、約70分の1のコストです。下のカードで、研究の規模に合わせて両APIを比較できます。

典型的な研究作業を3つ挙げると、差がどこに出るかが分かります。公式X APIの金額は投稿のみを対象とし、Xの従量課金の料金表（新しいタブで開きます）の価格で計算しています。

• 連邦議会の1か月分の投稿（505アカウント、1日4件ずつ、1時間ごとに確認）

  ツイート数

  6.1万

  Sorsa API

  $5.04から

  公式X API

  $303

• 討論会の夜1回分（全候補者の名前とハッシュタグ）

  ツイート数

  20万

  Sorsa API

  $14から

  公式X API

  $1,000

• 選挙戦の議論10週間分

  ツイート数

  1,000万

  Sorsa API

  $700から

  公式X API

  月間300万件の上限を超過：Enterprise、月$42K以上

知っておきたいこと

2026年11月22日から、公式X APIは投稿と一緒に返される投稿者プロフィールにも、1件あたり$0.010を課金します。Xの開発者チームが10月23日に発表（新しいタブで開きます）しました。検索結果には数多くの異なる投稿者が含まれるため、そこで読み取った選挙の議論には、1,000投稿あたり最大$15.00かかる場合があります。Sorsa APIは、すべての投稿者をツイートに含めて返します。

公式X APIの従量課金プランは、課金サイクルあたり300万投稿の読み取りが上限です。全国規模の選挙戦なら数週間で上限に達し、その先はEnterprise契約で、月約$42,000からになります。最初の1回を読み取る前に、承認された開発者アカウント、プロジェクトとアプリ、OAuthトークンも必要です。

#政治研究の信頼性を保つためのルール

政治関連のTwitterデータが測るのはオンライン上の議論であり、世論ではありません。次のルールは、研究をデータが示せる範囲にとどめるためのものです。

• Xのユーザーは有権者全体ではありません。 Pewの調査では、50歳以上の成人は米国の成人ユーザーの24%でしたが、政治関連のツイートの78%を書いていました。件数は、Xで誰が発言しているかを測る指標として扱い、世論調査の代わりにはしないでください。
• ボットや協調アカウントは、政治的な話題の数字を押し上げます。 集計の前に除外し、何を除いたかを報告してください。見分けるシグナルは、Twitterのボット検出のガイドにまとめています。
• クエリが結果を決めます。 他の人があなたのデータセットを再現できるよう、実際のクエリ、期間の窓、エンドポイント、収集日を公開してください。
• 研究の対象は投稿と公職者であり、有権者ではありません。 議論は集計して測り、一般ユーザーの引用は控えめにします。個人の政治的見解を推定することは、研究倫理で禁じられています。Xの開発者規約（新しいタブで開きます）も、政治的な立場による個人のプロファイリングを禁じています。

知っておきたいこと

政治データは政治を理解するためのもので、有権者を誘導するためのものではありません。政治関連の収集は、研究、報道、説明責任を問う取り組みにとどめてください。有権者名簿の利用、ターゲティングリストの作成、投稿をもとに選んだ人へのメッセージ配信は行わないでください。

コーパスのラベル付け、重複排除、モデル用の分割は、政治関連のツイートでも他のツイートと変わりません。手順は機械学習用のTwitterデータセットの作り方で解説しています。トーンやスタンスのスコアリングは、Twitterの感情分析が扱うテーマです。

#100回分の無料リクエストで政治関連の収集を始める

政治関連のTwitterデータを集めるなら、Sorsa APIから始めましょう。ウォッチリストのフィード、タイムライン、選挙の検索を、APIキー1つ、1,000ツイートあたり$0.07から、全プラン毎秒20リクエストで利用できます。100回分の無料リクエストで約2,000件の投稿を取得でき、カードも有効期限も不要です。まず公職者か選挙戦の1週間分を取得してクエリを確かめ、そのあとで残りをスケジュール実行に移してください。大学のチームは、大学のメールアドレスでSorsa APIの学術研究向けアクセスにも申請できます。

#よくある質問