Python正则表达式以排除电子邮件域和特殊字符，并在twitter中提取@user

我有一个字符串twitter文本，如下所示：

str = "RT@aquage_7: 田@tianke おっ(´・ω・｀) @_@, ＠__田科,
 my email is tian@gmail.com, his@kate, I like @lucyさん, 
 and her email is kate@163.cn".

正则表达式模式是：

p_name3 = re.compile(r'[@＠]([a-zA-Z0-9_]{1,15})')  

但结果是：

 ['aquage_7', 'tianke', '_', '__', 'gmail', 'kate', 'lucy', '163']   

我希望结果是：

 ['aquage_7', 'tianke', '__', 'kate', 'lucy']   

我的意思是我想排除电子邮件域名（请不要只关注这两个电子邮件域）和特殊字符，例如：

@_@",

---

此外，您应该知道twitter用户名包括：a-zA-Z0-9_u，总字符数在1到15之间。请帮我解决这个问题，麻烦我几天。提前感谢。

这里是本地Twitter的API用户提到解析（使用）的一个示例：

这会输出tweet本身：

RT @cnnbrk: Polls open in historic UK referendum; voters to decide if Britain stays in EU or becomes first country to exit bloc. https://t.…

以及实体（提及、哈希标签、URL等），为了更好地理解，我将其打印在这里：

{
    "symbols": [], 
    "user_mentions": [
        {
        "indices": [
            3, 
            10
        ], 
        "screen_name": "cnnbrk", 
        "id": 428333, 
        "name": "CNN Breaking News", 
        "id_str": "428333"
        }
    ], 
    "hashtags": [], 
    "urls": [
        {
        "url": "[url_here]", 
        "indices": [
            139, 
            140
        ], 
        "expanded_url": "[url_here]", 
        "display_url": "[url_here]"
        }
    ]
}

---

在您的例子中，有趣的部分是JSON中提到的

用户数组。
如果可以，请使用twitter API。但是，如果您正在寻找一个简单的字符串解决方案，请将问题分为两个步骤。首先，找到并删除任何可能的电子邮件地址，然后使用您的正则表达式查找twitter@提及

将第一封与regex from匹配的电子邮件改编为Python，如下所示：

>>> import re
>>> regex = re.compile(r'(?i)\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,}\b')

（是的，将电子邮件地址与正则表达式匹配是一件令人担忧的事情，但它仍可能给您提供有用的结果。）将其应用于字符串

>>> s = """RT@aquage_7: @tianke おっ(´・ω・｀) @_@, ＠__田科,
my email is tian@gmail.com, his@kate, I like @lucyさん, 
and her email is kate@163.cn"""

导致

>>> regex.findall(s)
['tian@gmail.com', 'kate@163.cn']

现在您已经找到了类似电子邮件的部分，请使用
re.sub
删除它们

>>> s = email_regex.sub('', s)

然后使用你原来的正则表达式来查找推特上提到的内容

>>> mention_regex = re.compile(r'[@＠]([a-zA-Z0-9][a-zA-Z0-9_]{0,14})')
>>> print(mention_regex.findall(s))
['aquage_7', 'tianke', '_', '__', 'kate', 'lucy']

您不想在
@
中找到
'
，但是您的正则表达式确实与之匹配，因此，如果需要，请细化正则表达式。
它不是那么简单，因为它几乎完全是上下文关联的。像：
RT@gmail.can你修复了“我的收件箱”中的错误吗？
，当用户从我的收件箱中转发推文时，却忘了在这段时间后添加空格？从正则表达式的角度来看，
gmail
同样可以是有效用户或电子邮件地址的域
RT@gmail.can
。作为记录，你知道twitter的API可以直接返回@提及，而不必解析它们吗？谢谢你的支持comments@3kt，这是什么意思“twitter的API可以直接返回@提及，您是否有关于此的文档或链接？谢谢@TKTK0711你可以看看。返回的JSON有一个名为
user\u的字段
。请尝试。添加更多TLD以确保您仅禁止电子邮件-然而，这很难做到完美。不过可能已经足够好了。谢谢你的回答！这可能会给你带来麻烦或是不礼貌。如果我不想使用用户名，我想用Regex解析用户名。如何解决它。正如@pzp在你问题的评论中所说的，这肯定是很棘手的，我不认为你可以100%肯定在每种情况下都得到提及。我强烈建议使用现有的工具来恢复它们。。。Thanks@David，你是一个善良的人，如果有办法一步解决它是最好的。
>>> mention_regex = re.compile(r'[@＠]([a-zA-Z0-9][a-zA-Z0-9_]{0,14})')
>>> print(mention_regex.findall(s))
['aquage_7', 'tianke', '_', '__', 'kate', 'lucy']