Part2. Difyを⽤いてXAPIから直近のポストを取得する

目次

1. はじめに 2. ワークフローの位置づけ 3. 環境変数の設定 4. 各ノードの詳細解説 4-1. X APIリクエスト（HTTP Requestノード） 4-2. ⼀時URL抽出（Codeノード） 4-3. ⼀時URLから取得（HTTP Requestノード） 4-4. X検索結果をJSON形式に変換（Codeノード） 5. まとめ

1. はじめに

本記事は、Difyのワークフローを使って、X（旧Twitter）のソーシャルリスニングを⾃動化するシリーズのPart 2です。

Part 1の復習: 前回の記事では、X APIの基礎について解説しました。具体的には、以下の内容を扱いました。

• X APIとは何か、その基本的な仕組み
• X APIの料⾦プランと制約
• Bearer Tokenの取得⽅法
• Pythonコードを使ったX APIの基本的な使い⽅

本記事（Part 2）では、Difyのワークフローを使ってX APIから直近のポストを取得する⽅法を詳しく解説します。

Part 1で学んだX APIの知識を活かして、DifyのHTTPリクエストノードやコードノードを使って、実際にツイートを取得する処理を実装していきます。

シリーズ構成

• Part 0: X APIを⽤いたソーシャルリスニング概要
• Part 1: X 旧Twitter) APIの基礎
• Part 2（本記事）: Difyを⽤いてX APIから直近のポストを取得する
• Part 3: LLMを⽤いて⾃動でデータラベルを付与する
• Part 4: スプレッドシートにデータを格納する
• Part 5: Streamlitを⽤いたデータの可視化例

2. ワークフローの位置づけ

このワークフローは、以下のような処理の流れで構成されています。

1.   スケジュールトリガー : 毎⽇決まった時間にワークフローを⾃動実⾏
2.   XAPIリクエスト: 指定したキーワードでツイートを検索
3.   ⼀時URL抽出: X APIのレスポンスから⼀時URLを取得
4.   ⼀時URLから取得: ⼀時URLから実際のツイートデータを取得
5.   JSON形式変換: ツイートデータを構造化データに変換
6.   LLM処理: 感情判定、適応症抽出、副作⽤抽出など（Part 3で解説）
7.   データ統合: LLM結果と元データをマージ（Part 3で解説）
8.   CSV作成: スプレッドシート保存⽤にCSV形式に変換（Part 4で解説）
9.   GAS送信: Google Apps Scriptに送信してスプレッドシートに保存（Part 4で解説）

本記事では、ステップ1〜4（X APIリクエストからJSON形式変換まで）を詳しく解説します。LLM処理はPart 3（次の記事）で取り上げます。

3. 環境変数の設定

このワークフローでは、以下の環境変数を使⽤します。Difyのワークフロー設定画⾯で事前に設定しておく必要があります。

画⾯右上にある[ENV]と書かれた小さなボタンをクリックします。

環境変数名	型	説明	設定例
BEARER_TOKEN	secret	X APIのBearer Token	（X APIで取得したトークン）

注意: X APIの認証には、Bearer Token⽅式を使⽤します。HTTPリクエストブロックの認証機能を使うと400エラーになるため、ヘッダーに直接 Authorization: Bearer でキーを指定する必要があります。Part1で取得したX APIのBearer Tokenをここで貼り付けて保存してください。

4.  各ノードの詳細解説

4-1. X APIリクエスト（HTTP Requestノード）

X API（旧Twitter API）v2を使って、指定したキーワードでツイートを検索するノードです。

設定内容

項⽬	設定値
メソッド	GET
URL	https://api.x.com/2/tweets/search/recent
認証	なし
ヘッダー	1. Authorization: Bearer {{#env.BEARER_TOKEN#}} 2. Content-Type:application/json

パラメータ

パラメータ名	値	説明
max_results	10	取得件数
query	applewatch OR “apple watch” -is:retweet lang:ja	検索クエリ
tweet.fields	id,text,created_at,author_id,lang,public_metrics,referenced_tweets,conversation_id,in_reply_to_user_id,source,entities,context_annotations,possibly_sensitive,attachments	取得するフィールド

max_resultsは最低値が10となります。Freeプランでテストする場合でも5などに絞っていると、エラーが返ってくるため必ず10以上を設定してください。

検索クエリの構⽂の解説

演算⼦	説明	例
-is:retweet	リツイートを除外	–is:retweet lang:ja
lang:ja	⽇本語のツイートのみ	lang:ja
OR	OR条件	applewatch OR “apple watch”

認証の注意点

重要: HTTPリクエストブロックの認証機能を使うと、400エラーになることがあります。そのため、ヘッダーに直接Authorization: Bearerでキーを指定する必要があります。

Authorization: Bearer {{#env.BEARER_TOKEN#}}

レスポンス形式

X API v2は、⼤量のデータを返す場合、⼀時URL（ url フィールド）を返すことがあります。この⼀時URLから実際のデータを取得する必要があります。

4-2. ⼀時URL抽出（Codeノード）

X APIのレスポンスから⼀時URLを抽出するノードです。X API v2では、データが⼤きい場合、直接データを返さずに⼀時URLを返すことがあります。

入⼒変数

変数名	ソース	型
url	X APIリクエストノード	array[file]

コード

def main(url):
  # レスポンスのfiles配列から最初の要素のurlを取得
  x_resp = url[0].get('url', '')

  return {
    "x_resp": x_resp,
  }

処理の流れ

• レスポンス解析: X APIのレスポンスは files 配列として返される
• URL抽出: 配列の最初の要素から url フィールドを取得
• 出⼒: ⼀時URLを⽂字列として返す

出⼒

出⼒名	型	説明
x_resp	string	⼀時URL（例: https://… ）

4-3. ⼀時URLから取得（HTTP Requestノード）

⼀時URLから実際のツイートデータを取得するノードです。X APIから返却されたURLを開くと、中にデータが格納されています。

設定内容

項⽬	設定値
メソッド	GET
URL	{{#x_resp#}}
認証	なし
ヘッダー	（空）

実装の意図

X API v2では、データが⼤きい場合、直接JSONを返さずに⼀時URLを返します。この⼀時URLにアクセスすることで、実際のツイートデータを取得できます。

レスポンス例

{
  "data": [
    {
      "id": "1234567890",
      "text": "Apple Watchの効果...", 
      "created_at": "2025-01-14T12:00:00.000Z",
      "author_id": "987654321", 
      "lang": "ja", 
      "public_metrics": {
        "retweet_count": 10,
        "reply_count": 5,
        "like_count": 20,
        "quote_count": 2
      }
    }
  ],
  "meta": { 
    "result_count": 20
  }
}

4-4. X検索結果をJSON形式に変換（Codeノード）

取得したツイートデータを、後続のLLM処理で扱いやすい構造化データに変換するノードです。

⼊⼒変数

変数名	ソース	型
raw_str	⼀時URLから取得ノード	string

コード

import json
from typing import List, Dict, Any

def main(raw_str: str):
    outer = json.loads(raw_str)

    tweets: List[Dict[str, Any]] = raw_list

    items = []
    
    for t in tweets:
        public = t.get("public_metrics", {}) or {}
        text = t.get("text", "") or ""
        text_lower = text.lower()

        # search_keyword の判定ロジック
        if "applewatch" in text_lower or "apple watch" in text_lower:
            search_keyword = "Apple Watch"

        entities = t.get("entities")
        context_annotations = t.get("context_annotations")
        attachments = t.get("attachments")
        geo = t.get("geo")

        result_row = {
            # ---- 基本情報 ----
            "tweet_id": t.get("id"),
            "search_keyword": search_keyword,
            "created_at": t.get("created_at"),
            "author_id": t.get("author_id"),
            "lang": t.get("lang"),
            "text": text,

            # ---- 会話・関係情報 ----
            "conversation_id": t.get("conversation_id"),
            "in_reply_to_user_id": t.get("in_reply_to_user_id"),
            "referenced_tweets": t.get("referenced_tweets"),
            "edit_history_tweet_ids": t.get("edit_history_tweet_ids"),

            # ---- ツイートの属性 ----
            "possibly_sensitive": t.get("possibly_sensitive"),
            "source": t.get("source"),
            "context_annotations": context_annotations,
            "entities": entities,
            "attachments": attachments,
            "geo": geo,

            # ---- パブリックメトリクス ----
            "retweet_count": public.get("retweet_count", 0),
            "reply_count": public.get("reply_count", 0),
            "like_count": public.get("like_count", 0),
            "quote_count": public.get("quote_count", 0),
            "bookmark_count": public.get("bookmark_count", 0),
            "impression_count": public.get("impression_count", 0),

        }

        items.append(result_row)

    items_json = json.dumps(items, ensure_ascii=False)

    return {
        "items_json": items_json,
        "items": items,
    }

処理の流れ

1. JSONパース: レスポンスのJSON⽂字列を解析
2. データ抽出: data フィールドからツイート配列を取得
3. 構造化: 各ツイートを構造化データに変換
   • 基本情報（tweet_id, text, created_at等）
   • 公開メトリクス（retweet_count, like_count等）
   • LLM処理⽤のプレースホルダー（indication, adverse_events等）
4. 出⼒形式: LLM⽤のJSON⽂字列と、後段処理⽤のPythonオブジェクトの両⽅を返す

出⼒データ構造

フィールド名	説明
tweet_id	ツイートID
search_keyword	検索キーワード
created_at	作成⽇時（ISO8601形式）
author_id	著者ID
lang	言語
Text	ツイート本⽂
retweet_count	リツイート数
conversation_id	会話スレッドID
in_reply_to_user_id	リプライ先のユーザーID
referenced_tweets	参照ツイートのリスト
edit_history_tweet_ids	編集履歴が有効な場合における、編集前含めたツイートIDの配列
possibly_sensitive	センシティブコンテンツのフラグ
source	投稿クライアントの情報
context_annotations	トピックやエンティティに関する情報
entities	ツイート内のメンション、ハッシュタグ、URLなど構造化情報
attachments	メディア
geo	位置情報
reply_count	リプライ数
like_count	いいね数
quote_count	引⽤ツイート数

出⼒

出⼒名	型	説明
items_json	string	LLMに渡す⽤のJSON⽂字列
items	array[object]	後段処理で直接使う⽤のPythonオブジェクト

5.  まとめ

本記事（Part 2）では、DifyのワークフローでX APIからツイートを取得し、構造化データに変換するまでの処理を解説しました。

本記事で実現したこと

• X API v2を使ったツイート検索
• ⼀時URLの仕組みとデータ取得⽅法
• ツイートデータの構造化（LLM処理の準備）

処理の流れの確認

1.   XAPIリクエスト: 指定キーワードでツイートを検索
2. ⼀時URL抽出: レスポンスから⼀時URLを取得
3. ⼀時URLから取得: 実際のツイートデータを取得
4. JSON形式変換: LLM処理⽤に構造化データに変換

次のステップ

次回のPart 3では、ここで取得したツイートデータに対して、LLMで感情判定 ‧ 適応症抽出 ‧ 副作⽤抽出などの処理を⾏う⽅法を解説します。具体的には以下のテーマを扱います。

• LLMプロンプトの設計（Role, Input instruction, Task, Discipline）
• 感情判定 ‧ クラスタリングの実装
• LLM結果と元データの統合処理
• エラーハンドリングとデータ整合性の確保

これらの処理により、ツイートデータにAI分析結果が付与され、Part 4でのスプレッドシート保存に備えることができます。

シリーズ構成

• Part 0: X APIを⽤いたソーシャルリスニング概要
• Part 1: X 旧Twitter) APIの基礎
• Part 2（本記事）: Difyを⽤いてX APIから直近のポストを取得する
• Part 3 LLMを⽤いて⾃動でデータラベルを付与する（←次の記事）
• Part 4: スプレッドシートにデータを格納する
• Part 5: Streamlitを⽤いたデータの可視化例

ヘルツレーベンでは、ライフサイエンス業界に特化したDX・自動化支援を提供しています。
PubMedや学術情報の自動収集をはじめ、Slack・Gmailなどを活用したナレッジ共有の仕組みまで、実務に直結するワークフローを設計・導入いたします。

提供サービスの例

• 製薬・医療機器業界での提案活動や調査業務の自動化支援
• アカデミアや研究者向けの文献レビュー・情報共有フローの最適化
• 医療従事者のキャリア開発を支援するリスキリングプログラム

👉 ご興味をお持ちの方はぜひお気軽にお問い合わせください。
お問い合わせフォームはこちら