基于python中的正则表达式对tweet类型进行分类

延长这一问题：

我想将数据集中的每条tweet分类为以下内容之一，并将tweet类型附加到数据集中的每条记录中。目前，当我运行下面所示的脚本时，我得到了返回的[None]，所以很明显我在这里遗漏了一些东西

当前格式：

所需格式：

推特分类：

1转发->在tweet文本列的某处有一个RT@anyusername

2提及->tweet列中有@anyusername，但没有RT@anyusername

3 Tweet->Tweet列中既没有RT@anyusername，也没有任何@anyusername

代码：

---

有两个问题：

tweet_type.appendi.append['tweet']-调用list.append不会返回任何内容，这意味着它们隐式地不返回任何内容。您正在向tweet_类型追加“无”。这是主要问题

return tweet_type向右缩进太多-循环在第一次迭代时退出函数

---

@柯蒂斯，你需要替换我。。。使用要放置到tweet_type的值。因为您没有docstring，而且每个参数都是parameter1，所以很难判断您打算在其中发生什么我的最终目标是获取一个tweets['CREATED_AT']['text']列表，根据tweet的类型，我想将tweet的类型附加到每一行，这样我最终会得到['CREATED_AT']['text']['tweet_type']，也许你可以编辑原始帖子中的代码，使其更具可读性？

 ['CREATED_AT']['text']

['CREATED_AT']['text']['tweet_type']

import json
import time
import re

# load Twitter Streaming JSON data into a dict
def import_tweets(parameter1):
    data = []
    for line in open(parameter1):
      try: 
        data.append(json.loads(line))
      except:
        pass

    for i in data:
        i['CREATED_AT'] = time.strftime('%Y-%m-%d %H:%M:%S',time.strptime(i['created_at'],'%a %b %d %H:%M:%S +0000 %Y'))
    return data

# Extract timestamp and tweet text into a list
def extract_tweets(parameter2):
    tweets = []
    for i in parameter2:
        tweets.append(
        [i['CREATED_AT'],
         i['text']]        
        )
    return tweets

# Classify each tweet as retweet/mention/tweet
def tweet_type(parameter3):
    tweet_type = []
    for i in parameter3:
        match = re.match(r'RT\s@....+', i[1])   
        if match:
            tweet_type.append([i, 'retweet'])
        else:
            match = re.match(r'@....+', i[1])
            if match:
               tweet_type.append([i, 'reply'])
            else:
                match = re.match(r'....+@', i[1])
                if match:
                   tweet_type.append([i, 'mention'])
                else:
                   tweet_type.append([i, 'tweet'])                
    return tweet_type    

data = import_tweets('tweets.json')
tweets = extract_tweets(data)
tweet_type = tweet_type(tweets)

# Print sample to make sure tweet text was classified properly
print tweet_type[:5]

import json
import time
import re

def import_tweets(parameter1):
    """
    Loads data from Twitter Streaming API for analysis.

    Args:
        parameter1:  input file
    Returns:
        List of nested dictionaries
    """

    # load JSON data into a dict    
    data = []
    for line in open(parameter1):
        try: 
            data.append(json.loads(line))
        except:
            pass

    # Transform Twitter tweet date/time format into standard date/time format
    for i in data:
        i['CREATED_AT'] = time.strftime('%Y-%m-%d %H:%M:%S',time.strptime(i['created_at'],'%a %b %d %H:%M:%S +0000 %Y'))

    # Classify each tweet as a retweet/reply/mention/tweet
    for i in data:
        match = re.match(r'RT\s@....+', i['text'])   
        if match:
            i['TYPE'] = 'retweet'
        else:
            match = re.match(r'@....+', i['text'])
            if match:
                i['TYPE'] = 'reply'
            else:
                match = re.match(r'....+@', i['text'])
                if match:
                    i['TYPE'] = 'mention'
                else:
                    i['TYPE'] = 'tweet'

    return data