Question

我相信代码没问题，问题是正则表达式。

基本上我想找一个用户名提示（以@开头），然后我想从给定的单词中提取允许的用户名部分。

例如，如果文本包含＆＃34; @FOO !!＆＃34;我只想提取＆＃34; foo＆＃34;，但我相信问题出在我的＆＃34; split（＆＃34; [a-z0-9 -_] +＆＃34;）[0] ＆＃34;部分。

顺便说一句，允许的符号是数字，字母， - 和_

public static Set<String> getMentionedUsers(List<Tweet> tweets) {

    Set<String> mentioned = new HashSet<>();

    for (Tweet tweet : tweets) {
        String tweetToAnal = null;
        if (tweet.getText().contains("@")) tweetToAnal = tweet.getText();
        if (tweetToAnal == null) continue;
        String[] splited = tweetToAnal.split("\\s+");
        for (String elem : splited) {

            String newElem = "";
            if (elem.startsWith("@")) {
                newElem = elem.substring(1).toLowerCase().split("[a-z0-9-_]+")[0];
            }

            if (newElem.length() > 0) mentioned.add(newElem);
       }

    }

    return mentioned;

}

Answer 1

问题不在你的正则表达式上，而在于你的逻辑。

您正在使用以下行来分析用户名：

if (elem.startsWith("@")) {
    newElem = elem.substring(1).toLowerCase().split("[a-z0-9-_]+")[0];
}

如果您逐步调试代码，您会注意到您正在使用substring(1) @，然后使用正则表达式进行拆分，因此这种拆分会消耗掉所有人物也是如此。但是，您不希望使用split方法消费字符，但您只想捕获内容。

因此，您可以通过使用正在使用的否定正则表达式来实际使用split：

split("[^a-z0-9-_]+")
        ^---- Notice the negate character class indicator

另一方面，您可以将正则表达式与捕获组一起使用，然后获取所需的用户名，而不是将整个文本拆分为多个标记以进行进一步分析。所以，而不是这个代码：

String[] splited = tweetToAnal.split("\\s+");
for (String elem : splited) {

String newElem = "";
if (elem.startsWith("@")) {
    newElem = elem.substring(1).toLowerCase().split("[a-z0-9-_]+")[0];
}

if (newElem.length() > 0) mentioned.add(newElem);

您可以使用更简单的代码：

Matcher m = Pattern.compile("(?<=@)([\\w-]+)").matcher(tweetToAnal); // Analyze text with a regex that will capture usernames preceded by @

while (m.find()) { // Stores all username (without @)
    mentioned.add(m.group(1));
}

是的，我没有测试代码，所以我可能有一个错字，但你可以理解这个想法。无论如何，代码很容易理解。

Answer 2

我不是一个Java人员，但你可以很容易地匹配twitter-usernames，而不需要＆＃34; @＆＃34;使用以下正则表达式：

(?<=@)[\w-]+

can be seen here。当然你需要正确地转义特殊字符，但由于我不知道Java，你必须自己做这个和实际的匹配。

从给定文本中提取Twitter用户名（JAVA，Regex）

2 个答案: