Question

我想从推文中提取用户名，这些用户名可能是：

后跟一些非字母数字字符。
之前没有空格。

例如，从中：

"RT@user1: This is a retweet that mentions @user2."

我想得到像

这样的矢量

[1] @user1 @user2

（有或没有＆＃34; @＆＃34;）

这是我目前的剧本：

    text <- "RT@user1: This is a retweet that mentions @user2."
    tokens <- unlist(strsplit(text, " "))
    mentions.mask <- grepl("@\\w+", tokens)
    mentions <- tokens[mentions.mask]
    cat(mentions)
    [1] "RT@user1:" "@user2."

我该怎么做呢？

Answer 1

如果我理解得很好，这看起来非常简单，你的正则表达式只是缺少捕获组。你可以使用这个正则表达式：

(@\w+)
^----^--- Note capturing groups

<强> Working demo

在R中你可以使用：

library(stringr)
str_extract("RT@user1: This is a retweet that mentions @user2.", "@\\w+")

Answer 2

你可以坚持使用基础R。

text <- "RT@user1: This is a retweet that mentions @user2."
regmatches(text, gregexpr('@\\w+', text))[[1]]
# [1] "@user1" "@user2"

没有前面的@：

regmatches(text, gregexpr('@\\K\\w+', text, perl=T))[[1]]
# [1] "user1" "user2"

从R中的twitter状态中提取用户。非常重要的情况，如RT @ user @user：

2 个答案: