Rainbow Engine

IT技術を分かりやすく簡潔にまとめることによる学習の効率化、また日常の気付きを記録に残すことを目指します。

Slack

Slack APIで返信を一覧で取得する方法をご紹介(Python)

投稿日:2023年4月10日 更新日:

 

<目次>

(1) Slack APIで返信を一覧で取得する方法をご紹介(Python)
 (1-0) やりたいこと
 (1-1) STEP1:Slackアプリの準備
 (1-1) STEP2:サンプルプログラム(特定スレッドに対する返信だけを取得)
 (1-2) STEP3:サンプルプログラム(チャンネル内の全ての投稿&返信を取得)

(1) Slack APIで返信を一覧で取得する方法をご紹介(Python)

(1-0) やりたいこと

●アウトプットイメージ

Slack APIで、指定したチャンネルの投稿一覧(返信含む)を照会した結果(JSON)を、表形式に整形したのち、csvに出力する。
(図111)

●処理の流れ

Slack Appを作成し、そのApp経由で投稿一覧(返信含む)のAPIを照会します。
(図112)

(1-1) STEP1:Slackアプリの準備

APIの処理はSlackボットを経由して行うため、事前にSlackボットを準備しておきます。
(作成手順)
その際、ボットには必要な権限を割り当てておきます。
 
・①必要な権限
channels:history
groups:history
im:history
mpim:history
(図122)
・②OAuth & Permissionsを選択
(図123)
・③割り当て
(図124)

また、Bot User OAuth Tokenはプログラムの中で指定が必要なため、控えておきます。
(図121)

(1-2) STEP2:サンプルプログラム(特定スレッドに対する返信だけを取得)

最初のステップとして、特定スレッドに対する返信だけを取得します。
 
イメージ図
(図131)

(サンプルプログラム)
slack_get_conversation_reply_list.py
 
import json
import pandas as pd
import requests
import os
from pathlib import Path
from dotenv import load_dotenv

# 親フォルダパスを取得
file_path = Path(__file__).parent
# 「.env」ファイルのパスを設定
env_path = file_path/'.env'
# 「.env」ファイルのロード
load_dotenv(dotenv_path=env_path)

def main():

    # APIのURL
    url = os.environ['URL']
    # 必須パラメータ:channel、ts
    channel = ("?channel="+os.environ['CHANNEL']) if os.environ['CHANNEL'] != "" else ""
    ts = ("&ts="+os.environ['TS']) if os.environ['TS'] != "" else ""
    url = url + channel + ts

    # ヘッダー部
    headers = {
        "Content-Type":"application/json",
        "User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0)",
        "Authorization":"Bearer "+os.environ['SLACK_BOT_TOKEN']
    }
    
    # POSTリクエスト
    response = requests.post(url, headers=headers)
    
    # レスポンスの内容をtext形式で取得
    result = response.text

    # レスポンスのJSONを表形式データ(DataFrame)に変形する
    # JSONライブラリを用いて、JSONファイルのデータをJSONオブジェクトとしてロード
    json_object = json.loads(result)
    # pandasの「json_normalize」関数を用いてデータを正規化
    # 第1引数:json形式のオブジェクト
    # 第2引数:分解対象のデータのkey
    # 第3引数:その他、分解した明細に付与するデータ
    df = pd.json_normalize(json_object, record_path =['messages'])
    # df = pd.json_normalize(json_object, record_path =['students'],meta=['school_name', 'class'])
 
    # 表形式データ(DataFrame)をcsv出力する
    df.to_csv('./slack_get_conversation_reply_list.csv', sep=',', encoding='shift-jis', header=True)

if __name__ == "__main__":
     main()
(図132)

.env(例)

URL='https://slack.com/api/conversations.replies'
SLACK_BOT_TOKEN='xoxb-xxxxx'
CHANNEL = 'C02SVHS0H7Z'
TS = '1664089917.194639'
(図133)
実行するとプログラムと同じ階層に、csvが生成されます。
(図134)
Csvはユーザー単位でデータが出力されています。
(json形式のデータを表形式に整形している)
 
(図135①)
(図135②)

 
ちなみに、元々のJSON形式のレスポンスはこんな感じです。
ネストになっている「”blocks”: { ・・・ }」や「”reply_users”: { ・・・ }」の部分も、csvの右側に列がちゃんと存在している事が確認できています。
 
(参考)
{
    "ok": true,
    "messages": [
        {
            "client_msg_id": "7c6e97e6-4d3d-4912-a7d6-a58fd46967ba",
            "type": "message",
            "text": "<@U02T3FS7FD4>\n先ほどはオリエンテーションありがとうございました。\n投影頂いた資料等、お手数ですが連携頂けますでしょうか?",
            "user": "U02SVHS9AA3",
            "ts": "1664089917.194639",
            "blocks": [
                {
                    "type": "rich_text",
                    "block_id": "/CSL",
                    "elements": [
                        {
                            "type": "rich_text_section",
                            "elements": [
                                {
                                    "type": "user",
                                    "user_id": "U02T3FS7FD4"
                                },
                                {
                                    "type": "text",
                                    "text": "\n先ほどはオリエンテーションありがとうございました。\n投影頂いた資料等、お手数ですが連携頂けますでしょうか?"
                                }
                            ]
                        }
                    ]
                }
            ],
            "team": "T02TA6EUXSN",
            "thread_ts": "1664089917.194639",
            "reply_count": 2,
            "reply_users_count": 2,
            "latest_reply": "1671530784.605409",
            "reply_users": [
                "U02T3FS7FD4",
                "U02SVHS9AA3"
            ],
            "is_locked": false,
            "subscribed": false
        },
        {
            "client_msg_id": "d9fb8470-d81c-4be0-a0e9-f32b5b49c15f",
            "type": "message",
            "text": "Sharepointに格納しました。",
            "user": "U02T3FS7FD4",
            "ts": "1664089960.413939",
            "blocks": [
                {
                    "type": "rich_text",
                    "block_id": "b9YeP",
                    "elements": [
                        {
                            "type": "rich_text_section",
                            "elements": [
                                {
                                    "type": "text",
                                    "text": "Sharepointに格納しました。"
                                }
                            ]
                        }
                    ]
                }
            ],
            "team": "T02TA6EUXSN",
            "thread_ts": "1664089917.194639",
            "parent_user_id": "U02SVHS9AA3"
        },
        {
            "client_msg_id": "faf54b44-5a2a-4b1d-ac6b-a65442084a8f",
            "type": "message",
            "text": "<@U02T3FS7FD4>\nありがとうございます。確認できました。",
            "user": "U02SVHS9AA3",
            "ts": "1671530784.605409",
            "blocks": [
                {
                    "type": "rich_text",
                    "block_id": "N82",
                    "elements": [
                        {
                            "type": "rich_text_section",
                            "elements": [
                                {
                                    "type": "user",
                                    "user_id": "U02T3FS7FD4"
                                },
                                {
                                    "type": "text",
                                    "text": "\nありがとうございます。確認できました。"
                                }
                            ]
                        }
                    ]
                }
            ],
            "team": "T02TA6EUXSN",
            "thread_ts": "1664089917.194639",
            "parent_user_id": "U02SVHS9AA3"
        }
    ],
    "has_more": false
}
 
 
(参考)

(1-3) STEP3:サンプルプログラム(チャンネル内の全ての投稿&返信を取得)

 
次に「チャンネル内の全ての投稿&返信」を取得します。
※投稿のみの取得については、コチラの記事にも記載済みで、今回はその発展形です。
 
イメージ図
(図141)

(サンプルプログラム)
import json
import pandas as pd
import requests
import os
from pathlib import Path
from dotenv import load_dotenv

# 親フォルダパスを取得
file_path = Path(__file__).parent
# 「.env」ファイルのパスを設定
env_path = file_path/'.env'
# 「.env」ファイルのロード
load_dotenv(dotenv_path=env_path)

def main():

    ### 全投稿を取得 ###
    # APIのURL組み立て
    url_1 = os.environ['URL_MESSAGE']
    channel = ("?channel="+os.environ['CHANNEL']) if os.environ['CHANNEL'] != "" else ""
    url_1 = url_1 + channel

    # ヘッダー部
    headers = {
        "Content-Type":"application/json",
        "User-Agent":"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0)",
        "Authorization":"Bearer "+os.environ['SLACK_BOT_TOKEN']
    }
    
    # POSTリクエスト
    response_1 = requests.post(url_1, headers=headers)
    
    # レスポンスの内容をtext形式で取得
    result_1 = response_1.text

    # レスポンスのJSONを表形式データ(DataFrame)に変形する
    # JSONライブラリを用いて、JSONファイルのデータをJSONオブジェクトとしてロード
    json_object_1 = json.loads(result_1)
    # pandasの「json_normalize」関数を用いてデータを正規化
    # 第1引数:json形式のオブジェクト
    # 第2引数:分解対象のデータのkey
    # 第3引数:その他、分解した明細に付与するデータ
    df_1 = pd.json_normalize(json_object_1, record_path =['messages'])
    # df = pd.json_normalize(json_object_1, record_path =['students'],meta=['school_name', 'class'])
 
    ### 返信取得処理 ###
    # dfを1件ずつループ
    for index, row in df_1.iterrows():

        # 返信がある場合
        if row['reply_count'] > 0:

            ### 返信を取得 ###
            # APIのURL組み立て
            url_2 = os.environ['URL_REPLY']
            channel = ("?channel="+os.environ['CHANNEL']) if os.environ['CHANNEL'] != "" else ""
            ts = ("&ts="+os.environ['TS']) if os.environ['TS'] != "" else ""
            url_2 = url_2 + channel + ts

            # POSTリクエスト
            response_2 = requests.post(url_2, headers=headers)
            
            # レスポンスの内容をtext形式で取得
            result_2 = response_2.text

            # レスポンスのJSONを表形式データ(DataFrame)に変形する
            # JSONライブラリを用いて、JSONファイルのデータをJSONオブジェクトとしてロード
            json_object_2 = json.loads(result_2)
            # pandasの「json_normalize」関数を用いてデータを正規化
            # 第1引数:json形式のオブジェクト
            # 第2引数:分解対象のデータのkey
            # 第3引数:その他、分解した明細に付与するデータ
            df_2 = pd.json_normalize(json_object_2, record_path =['messages'])
            print(df_2)

            # df_2をdf_1に追加(マージ)
            df_1 = pd.concat([df_1,df_2],ignore_index=True).drop_duplicates(['client_msg_id'], keep='last')

    # 表形式データ(DataFrame)をcsv出力する
    df_1.to_csv('./slack_get_conversation_reply_list.csv', sep=',', encoding='shift-jis', header=True)

if __name__ == "__main__":
     main()
 
(図142)
.env(例)
URL_MESSAGE='https://rainbowplanet.slack.com/api/conversations.history'
URL_REPLY='https://slack.com/api/conversations.replies'
SLACK_BOT_TOKEN='xoxb-xxxxx'
CHANNEL = 'C02SVHS0H7Z'
TS = '1664089917.194639'
(図143)
実行するとプログラムと同じ階層に、csvが生成されます。
(図144)
Csvはユーザー単位でデータが出力されています。
(json形式のデータを表形式に整形している)
 
(図145①)

Adsense審査用広告コード


Adsense審査用広告コード


-Slack
-

執筆者:


comment

メールアドレスが公開されることはありません。 が付いている欄は必須項目です

関連記事

Slackでコマンドを作る方法をご紹介(自作スラッシュコマンド)

  <目次> (1) Slackでコマンドを作る方法をご紹介(自作スラッシュコマンド)  (1-0) やりたいこと  (1-1) STEP1:Slackボットの開発(所要時間:60分)  ( …

Slack AppのWorkflow Stepsの使い方

  <目次> (1) Slack AppのWorkflow Stepsの使い方  (1-0) やりたいこと  (1-1) STEP1:Slackボットの開発(所要時間:60分)  (1-2) …

Slack APIで投稿一覧を取得する方法をご紹介(Python)

  <目次> (1) Slack APIで投稿一覧を取得する方法をご紹介(Python)  (1-0) やりたいこと  (1-1) STEP1:Slackアプリの準備  (1-2) STEP …

SlackのAPIでユーザー一覧を取得する方法をご紹介

  <目次> (1) SlackのAPIでユーザー一覧を取得する方法をご紹介  (1-0) やりたいこと  (1-1) STEP1:Slackボットの作成  (1-2) STEP2:サンプル …

  • English (United States)
  • 日本語
Top