Python使用regex提取twitter文本数据中的@user和url链接

Question

有一个列表字符串twitter文本数据，例如下面的数据（实际上，有大量的文本，不仅仅是这些数据），我想提取twitter文本中@和url链接之后的所有用户名，例如：galaxy5univ和url link。在

   tweet_text = ['@galaxy5univ I like you',
    'RT @BestOfGalaxies: Let's sit under the stars ...',
    '@jonghyun__bot .........((thanks)',
    'RT @yosizo: thanks.ddddd <https://yahoo.com>',
    'RT @LDH_3_yui: #fam, ccccc https://msn.news.com']

我的代码：

^{pr2}$

通过在大量twitter数据中测试代码，我发现url和name的两个模式都是错误的（尽管在一些twitter文本数据中是正确的）。你们有没有一些文档或链接，关于从twitter文本中提取名称和url，以防出现大量twitter数据。在

如果你有关于从twitter数据中提取名字和url的建议，请告诉我，谢谢！在

Answer 1

请注意，pn = re.compile(r'@(\S+)')正则表达式将捕获@之后的任何1+个非空白字符。在

要排除匹配的:，需要将速记\S类转换为[^\s]非字符类等价物，并向其添加:：

pn = re.compile(r'@([^\s:]+)')

现在，它将停止捕获第一个:之前的非空白符号。请参见regex demo。在

如果您需要捕获到最后一个:，您可以在捕获组之后添加::pn = re.compile(r'@(\S+):')。在

对于匹配regex的URL，有many on the Web，just choose最适合您。在

这是一个example code：

^{pr2}$

Answer 2

如果用户名不包含特殊字符，则可以使用：

@([\w]+)

见Live demo