用于在推文开头匹配Twitter用户名的Python正则表达式

Question

我有这样的推文：

"@user1 @user2 blablabla @user3"

我想使用正则表达式在推文开头过滤用户。这意味着@ user1和@ user2。并不总是有相同数量的用户，可能有一个，两个，三个......

我正在尝试使用re.IGNORECASE：

re.compile(ur'^(@[a-z0-9_]*\s)*')

但是与我想要的不符，我已经尝试了所有我想出来的，但都失败了。我对Python正则表达式不是很熟悉，但我会用egrep：

来做这件事

echo "@user1 @user2 blablabla @user3" | egrep '^(@[[:alnum:]_]*[ ]*)*'

由于

修改

正则表达式是正确的，我只是以错误的方式检查解决方案。

tweet = "@user1 @user2 blablabla @user3"
re.compile(ur'^(@[a-z0-9_]*\s)*').match(tweet).groups()

而不是：

re.compile(ur'^(@[a-z0-9_]*\s)*').match(tweet).group(0)

正则表达式的更清晰版本：

re.compile(ur'^(@\w+\s)+').match(tweet).group(0)

Answer 1

没有re，但有itertools：

>>> tw = "@user1 @user2 blablabla @user3"
>>> import itertools
>>> list(itertools.takewhile(lambda x: x.startswith('@'), tw.split()))
['@user1', '@user2']

Answer 2

试试这个正则表达式：^(@\w+\s)+。

在@user1 @user2 blablabla @user3中，它将匹配：

Answer 3

您的egrep版本会在单词之间的空格中应用*，但您的Python版本不会。此外，\s匹配所有空格，而不仅仅是空格;和[a-zA-Z0-9_]（即[a-z0-9_]与re.IGNORECASE，因为该标志不会影响其他任何内容）更容易拼写\w。

Answer 4

如果没有必要使用正则表达式：

>>> tweet = "@user1 @user2 blablabla @user3"
>>> s = tweet.split()
>>> s[:next(pos for pos, i in enumerate(s) if not i.startswith("@"))]
['@user1', '@user2']

使用循环的更简单，更传统的方法：

>>> tweet = "@user1 @user2 blablabla @user3"
>>> users = []
>>> for i in tweet.split():
...     if i.startswith("@"):
...         users.append(i)
...     else:
...         break
... 
>>> users
['@user1', '@user2']

Answer 5

这应该有效（如果你想删除它们：

>>> t = "@user1 @user2 blablabla @user3"
>>> re.compile("^(?:@\w+\s+)*(.*)$").match(t).group(1)
'blablabla @user3'
>>> 

或者这个（如果你只想获得用户）：

>>> re.compile("^((?:@\w+\s+)*)$").match(t).group(1).split()
['@user1', '@user2']
>>>