Código para obtener playlists desde un grupo de Facebook y metadatos desde YouTube.

fm.R

list.of.packages <- c("ggplot2", "devtools")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)

library(devtools)
install_github("pablobarbera/Rfacebook/Rfacebook", force=T)

require (Rfacebook)

# http://thinktostart.com/analyzing-facebook-with-r/
# https://github.com/pablobarbera/Rfacebook/issues/180


token <- '' # Se obtuvo un token de la API de Facebook: https://developers.facebook.com/tools/accesstoken/

fm <- getGroup("280420788956517", token=token, n=20000) # 280420788956517 es la id del grupo de FM.
write.csv(fm,file="fm.csv")

# Facebook dejó de permitir obtener información de los usuarios en algunos casos, 
# por lo que no vamos a tener estadísticas sobre las personas que publicamos en FM.

require(dplyr)
require(stringr)
require(lubridate)

# Transformaciones

tbl_fm <- tbl_df(fm)
tbl_fm <- tbl_fm %>% filter(!is.na(link))
tbl_fm <- tbl_fm %>% mutate(parsed_created_time=as.POSIXct(as_datetime(strptime(tbl_fm$created_time,format="%Y-%m-%dT%H:%M:%S+0000"))))
tbl_fm <- tbl_fm %>% select(message,parsed_created_time,type,link,likes_count,comments_count,shares_count)

messages <- tbl_fm$message

# Ahora a extraer los hashtags separados por espacios
hashtags <- unlist(lapply(messages,function(x) 
            paste(unlist(str_extract_all(x,
                                         pattern="#[A-zÀ-ú]+")),collapse = ' '))) 

hashtags <- sub("^NA$",NA,hashtags)
# Por alguna razón algunos de los registros vacíos aparecen como strings: "NA". Acá se corrigen:
hashtags[hashtags==""] <- NA

tbl_fm$hashtags <- hashtags
hashtags <- tolower(hashtags)

# Se usó la siguiente función para extraer la id de los vídeos de YouTube. Basado en la siguiente solución:
# https://stackoverflow.com/questions/45441896/extract-youtube-video-id-from-url-with-r-stringr-regex
#
# get_id = function(link) {
#   if(stringr::str_detect(link, 'youtu')){
#     if (stringr::str_detect(link, '/watch\\?')) {
#       rgx = '(?<=\\?v=|&v=)[\\w\\-]+'
#     } else if (stringr::str_detect(link, '/attribution_link\\?')) {
#       rgx = '(?<=\\?a=|&a=)[\\w\\-]+'
#     } else {
#       rgx = '(?<=/)[\\w\\-]+/?(?:$|\\?)'
#     }
#     stringr::str_extract(link, rgx)
#   } else{
#     rgx = NA
#   }
# }

ids = unlist(unname(sapply(tbl_fm$link, get_id)))
tbl_fm$video_id <- ids

require(tuber)
rm(video_data)

video_data <- lapply(ids,function(x) 
  tryCatch(get_video_details(x), 
  warning=function(w) NA,
  error=function(e) NA)
)

video_titles <- vector()

for (i in 1:length(video_data)){
  if (length(video_data[[i]])==1 && is.na(video_data[[i]])){
    video_titles <- c(video_titles,NA)
  } else {
    video_titles <- c(video_titles,video_data[[i]]$items[[1]]$snippet$localized$title)
  }
}

tbl_fm$video_titles <- video_titles

# Nueva iteración
yt_fm <- tbl_fm
yt_fm <- yt_fm %>% 
  filter(!is.na(video_titles)) %>% 
  mutate(youtube_link=paste0("https://www.youtube.com/watch?v=",video_id)) %>% 
  select(parsed_created_time,hashtags,video_id,video_titles,likes_count,comments_count,link)

# https://www.rdocumentation.org/packages/tidyr/versions/0.8.0/topics/separate_rows
# Separé los hashtags en observaciones separadas para poder organizar.
require(tidyr)
yt_fm_sep <- yt_fm %>% separate_rows(hashtags,sep=" ")

# Ranking de hashtags más importantes. Voy a tomar los 60 más usados.
cuenta_hashtags <- yt_fm_sep %>% 
  group_by(hashtags) %>% 
  summarize(count=n()) %>% 
  arrange(desc(count))

hashtags_populares <- head(cuenta_hashtags,60)

videos_populares <- tbl_df(merge(hashtags_populares,yt_fm_sep,by="hashtags"))
videos_populares <- videos_populares %>% 
  mutate(hashtags = tolower(hashtags)) %>% 
  group_by(hashtags) %>% 
  mutate(numero = row_number()) %>% 
  mutate(playlist = paste0(hashtags,ceiling(numero/50)))

#Este es hashtags populares pero con el listado nuevo de los playlists
playlists <- unique(videos_populares$playlist)

e <- lapply(playlists,function(x) paste(videos_populares[videos_populares$playlist==x,]$video_id))

l <- tbl_df(cbind(playlists,unlist(lapply(e, function(x) paste(x[which(x!="NA")],collapse=",")))))
l <- tbl_df(l)
colnames(l) <- c("hashtag","ids")

# Acá se generan las listas de YouTube según la estructura de las url, usando las id de los vídeos. 
# Basado en esta solución: https://webapps.stackexchange.com/questions/72787/how-to-create-a-youtube-playlist-from-a-list-of-links
l <- l %>% mutate(url=paste0("http://www.youtube.com/watch_videos?video_ids=",ids))

# Generé un archivo csv. Este se convirtió en una tabla HTML: http://www.convertcsv.com/csv-to-html.htm
write.csv(l,"playlists2.csv")