Python使用正则表达式提取twitter文本数据中的@user和url链接

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链接

   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']

通过在大量twitter数据中测试代码，我发现我的url和name两种模式都是错误的（尽管在一些twitter文本数据中是正确的）。你们有没有关于从twitter文本中提取名称和url的文档或链接，以处理大型twitter数据

---

如果您有关于从twitter数据中提取姓名和url的建议，请告诉我，谢谢

如果用户名不包含特殊字符，则可以使用：

@([\w]+)

---

请参见注意，您的

pn=re.compile（r'@（\S+）

regex将捕获

@

之后的任何1+非空白字符

要排除匹配的

：

，您需要将速记

\S

类转换为

[^\S]

否定字符类等效项，并向其添加

：

：

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

现在，它将在第一个

：

之前停止捕获非空白符号。请参阅

如果需要捕获到最后一个

：

，则只需在捕获组之后添加

：

：

：pn=re.compile（r'@（\S+））

至于URL匹配正则表达式，有一个最适合你

以下是一份：

重新导入
p=re.compile（r'@（[^\s:]+））
test_str=“@galaxy5univ I like you\nRT@BestOfGalaxies:让我们坐在星星下\n@jonghyun__bot（（谢谢）\nRT@yosizo:谢谢。ddddd\nRT@LDH_3_yui:#fam，ccccchttps://m...content-available-to-author-only...s.com"
印刷品（p.findall（测试）
p2=重新编译（r'（？：http | ftp | https）：/（？：[\w-]+（？：（？：\[\w-]+）+）（？：[\w，@？^=%&:/~++-]*[\w@？^=%&/~+-]））
打印（p2.findall（测试）
#=>['galaxy5univ'，'BestOfGalaxies'，'jonghyun_uuubot'，'yosizo'，'LDH_u3_uYui']
# => ['https://yahoo.com', 'https://msn.news.com']

pn=re.compile（r'@（[a-zA-Z0-9+））

感谢您的评论，您知道twitter数据中有大量的姓名数据。有时姓名中包含一些特殊字符，如#%^，而不仅仅是a-zA-Z0-9。在这种情况下，如何解决？只需将其添加到方括号内的字符列表中，但请记住，某些字符需要正确输入即可谢谢你的评论，但我必须在方括号内添加所有字符。如果我不知道@后面的字符，在这种情况下，如何解决它。我希望有有效的方法解决它（删除名称末尾的“：”）。你的意思是在

@

之后获得所有非空白字符，而不是

：

？你可以使用

r'@([^\s:]+'

现在，我发现我的url和name两种模式都是错误的。你们有关于从twitter文本中提取name和url的文档或链接吗。

@（[^\s:]+）有什么问题吗

？URL的正则表达式可以在任何地方找到。这是一个很好的资源。这里有一个SO线程。请参阅。感谢您的热情。例如，一些名称：@t:*d-8:。您知道twitter中的名称有不同的形式。对不起，我从未见过带有空格的用户名。这意味着您需要

@（.*）：

，对吗？如果没有，请解释这些用户名所属的模式。如果没有模式，则无法匹配它们。此外，这里还提到了Twitter JS库中使用的正则表达式（该模式与Python兼容）。我真的非常感谢@Wiktor Stribiżew的帮助。我会阅读你提到的文档。你是一个善良的人。谢谢你的评论。我知道我在twitter文本中提取@后的名称和url链接的两种模式是错误的。你知道名称和url链接有很多种形式。如果你有一些关于这方面的文档或链接，请致电我爱我！

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

import re
p = re.compile(r'@([^\s:]+)')
test_str = "@galaxy5univ I like you\nRT @BestOfGalaxies: Let's sit under the stars ...\n@jonghyun__bot .........((thanks)\nRT @yosizo: thanks.ddddd <https://y...content-available-to-author-only...o.com>\nRT @LDH_3_yui: #fam, ccccc https://m...content-available-to-author-only...s.com"
print(p.findall(test_str)) 
p2 = re.compile(r'(?:http|ftp|https)://(?:[\w_-]+(?:(?:\.[\w_-]+)+))(?:[\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?')
print(p2.findall(test_str))
# => ['galaxy5univ', 'BestOfGalaxies', 'jonghyun__bot', 'yosizo', 'LDH_3_yui']
# => ['https://yahoo.com', 'https://msn.news.com']