提取 Hashtags 并添加到 Powershell 中的新 csv 字段

Question

每个月，我都会下载一些我负责的工作相关句柄的 Twitter 分析。

我在 powershell 中进行了一些数据按摩（将数字列的 - 更改为空值），以便我的 Excel Power Query 可以轻松处理数据。

我决定将推文文本列中的主题标签复制到他们自己的列中，以便调查它们的表现。

我的整个剧本：

Remove-Item -path .\merged\merged.csv
$InputFiles = Get-Item "*.csv"
$OldString  = '"-"'
$NewString  = '""'
$InputFiles | ForEach {
    (Get-Content -Path $_.FullName).Replace($OldString,$NewString) | Set-Content -Path $_.FullName
}
Get-ChildItem -Filter *.csv | Select-Object -ExpandProperty FullName | Import-Csv | Export-Csv .\merged\merged.csv -NoTypeInformation -Append

由于我意识到我可能需要同时处理多个月，因此我决定每个月简单地重做合并文件。

我正在查看我需要添加什么来提取主题标签，并且我很确定我在正确的轨道上：

Import-Csv .\merged\merged.csv | Select-Object *,@{Name='hashtags';Expression={'XYZZY'}} | Export-Csv file.csv -NoTypeInformation

当然，问题是我不确定我需要在 XYZZY 中添加什么。我知道我的正则表达式是 #[a-zA-Z0-9]（在我之前的一些尝试中，我无法让 #\w 捕获除主题标签的第一个字母之外的任何内容。

'Tweet text' 是列名。

推文范围从 0 到 6 个主题标签。我看到的一个问题是，每个正则表达式匹配选项似乎都会返回对象中的项目，我希望在该对象中简单地将它们添加为最终字段中的空格分隔列表。

我可能会遇到的问题： 为什么不在 Excel 中执行此操作？ 好问题。我最初想将它添加到电源查询导入中，但实际上似乎不可能。虽然我可以在 VBA 中做到这一点，但我希望这可以作为一种解决方案进行打包。

为什么不在 Python 中这样做呢？ 我确实有一个基本完成的解决方案，但我真的很想把它作为一个简单的过程。

什么是标题？ "Tweet id","Tweet permalink","Tweet text","time","impressions","engagements","engagement rate","re​​tweets","re​​plies","likes","user profile clicks", “网址点击”、“标签点击”、“详细信息展开”、“固定链接点击”、“应用打开”、“应用安装”、“关注”、“电子邮件推文”、“拨打电话”、“媒体浏览量”、媒体互动”、“提升印象”、“提升互动”、“提升互动率”、“提升转推”、“提升回复”、“提升喜欢”、“提升用户个人资料点击次数”、“提升网址点击次数”、“提升标签点击量”、“推广的详细信息展开”、“推广的永久链接点击”、“推广的应用打开”、“推广的应用安装”、“推广的关注”、“推广的电子邮件推文”、“推广的拨号电话”、“推广的媒体浏览量” “促进媒体参与”

一些示例推文怎么样？ 好吧，我的意思是，它们是推文。下面是一些例子：

This is a tweet with zero hashtags.
@somename this is a reply with #one hashtag.
This is a tweet with two #hashtags, one that has #punctuation attached.

Answer 1

这样就可以了... [grin]

# fake reading in some text from some source
$InStuff = @'
This is a tweet with zero hashtags.
@somename this is a reply with #one hashtag.
This is a tweet with two #hashtags, one that has #punctuation attached.
'@ -split [System.Environment]::NewLine

$HashTagList = foreach ($IS_Item in $InStuff)
    {
    @($IS_Item.Split(' ')) -match '#'
    }

$HashTagList

输出...

#one
#hashtags,
#punctuation

如果您需要删除标点符号，可以通过一些摆弄来完成。 [咧嘴一笑]

Answer 2

感谢李给我一些想法。

感觉有点胶带/钢丝绳，但是......

Remove-Item -path .\merged\merged.csv
$InputFiles = Get-Item "*.csv"
$OldString  = '"-"'
$NewString  = '""'
$InputFiles | ForEach-Object {
    (Get-Content -Path $_.FullName).Replace($OldString,$NewString) | Set-Content -Path $_.FullName
}
Get-ChildItem -Filter *.csv | Select-Object -ExpandProperty FullName | Import-Csv | Export-Csv .\merged\merged.csv -NoTypeInformation -Append

$dataset = Import-Csv ".\merged\merged.csv"
$dataset | ForEach-Object {
        $HashTagOut = ''
        $HashTagList = $_.'Tweet Text'.Split(' ') -match '#'
        foreach ($Hashtag in $HashTagList)
        {
            if ($Hashtag -match '#[a-zA-Z0-9]*')
            {
            $HashTagOut = $HashTagOut + $Matches[0] + ' '
            }
        }
        $_ | Add-Member -MemberType NoteProperty -Name Hashtags -Value $HashTagOut.Trim() -Force
    }

$dataset | Export-Csv ".\merged\merged.csv"