使用Python拆分Twitter RSS字符串

Question

我正在尝试使用Python解析Twitter RSS提要并将信息放入sqlite数据库中。下面是一个例子：

MiamiPete: today's "Last Call" is now up http://bit.ly/MGDzu #stocks #stockmarket #finance #money

我要做的是为主要内容创建一个列（Miami Pete…now up），为URL创建一个列（http://bit.ly/MGDzu），为标签创建四个单独的列（股票、股票市场、金融、货币）。我一直在琢磨怎么做。在

任何建议都将不胜感激！在

下面是我一直在使用的一些代码——你可以看到我最初尝试创建一个名为“tiny_url”的变量并对其进行拆分，看起来确实是这样做的，但这种微弱的尝试根本无法解决上面提到的问题。：）

^{pr2}$

Answer 1

Twitter有一个api，在这里您可能更容易使用，http://apiwiki.twitter.com/Twitter-API-Documentation。在

您可以获得JSON或XML格式的结果，并使用许多Python库中的一个来解析结果。在

或者，如果您必须使用RSS，还有Python提要解析器，比如，http://www.feedparser.org/。在

Answer 2

你的数据驱动设计似乎有点缺陷。除非你所有的条目都有一个文本部分、一个url和多达4个标记，否则它是行不通的。在

您还需要将保存到数据库与解析分开。使用regexp（甚至字符串方法）可以轻松地完成解析：

>>> s = your_string
>>> s.split()
['MiamiPete:', "today's", '"Last', 'Call"', 'is', 'now', 'up', 'http://bit.ly/MGDzu', '#stocks', '#stockmarket', '#finance', '#money']
>>> url = [i for i in s.split() if i.startswith('http://')]
>>> url
['http://bit.ly/MGDzu']
>>> tags = [i for i in s.split() if i.startswith('#')]
>>> tags
['#stocks', '#stockmarket', '#finance', '#money']
>>> ' '.join(i for i in s.split() if i not in url+tags)
'MiamiPete: today\'s "Last Call" is now up'

不过，单表数据库的设计可能不得不取消。在

Answer 3

此外，还可以使用regexp解析字符串：

>>> s = (u'MiamiPete: today\'s "Last Call" is now up http://bit.ly/MGDzu '
         '#stocks #stockmarket #finance #money')
>>> re.match(r'(.*) (http://[^ ]+)', s).groups()
(u'MiamiPete: today\'s "Last Call" is now up', u'http://bit.ly/MGDzu')
>>> re.findall(r'(#\w+)', s)
[u'#stocks', u'#stockmarket', u'#finance', u'#money']