使用Python正则表达式过滤推文

Question

我正在尝试创建一个按@或＃标签过滤推文的查询。

所以我只想要@Obama或#Obama的结果，而不是奥巴马。这就是我到目前为止所做的：

re.compile(r'\b(?:#|@|)*%s*\b' % re.escape(obama), re.IGNORECASE)

感谢回复....我尝试了两个答案，在我的情况下似乎有效：

 re.compile(r'\b[#@]*%s\b' % re.escape(term), re.IGNORECASE)  

'term'是我迭代的列表中的元素。然后，这将返回具有＃或@预先填写'term'的推文。 Itried不使用'*'，但它给出了异常。

由于

Answer 1

尝试使用此正则表达式：

r'\b[#@]{name}\b'.format(name=re.escape('Obama'))

字符类[%@]的工作速度比选择组(?:#|@)快。

因此，我们从单词边界\b开始，然后是#或@。然后从obama变量替换。然后走到尾随边界。

在您使用*量词的问题中，这些量词从0到无穷大时间重复前一个表达式。没有理由重复#和@符号。此外，obama的最后一个sybmol也不应重复。

Answer 2

如果这纯粹与正则表达式有关，并且与Twitter本身无关（除了您正在过滤推文的事实），那么您想要的正则表达式是：

compiled = re.compile(r'\b[#@]obama\b', re.IGNORECASE)

如果你想要一些代码做一些类似于你正在做的事情的例子，请看一下这可能是一个值得的例子：

https://github.com/kgaughan/is-on-a-train/blob/master/isonatrain.py

该代码跟踪一群用户，寻找某些触发短语，并根据他们所说的内容写出HTML文件。