用于转推的python正则表达式

Question

我正在开发一个正则表达式，它将从推文中提取转推关键字和用户名。这是一个例子，用一个相当糟糕的正则表达式来完成这项工作：

tweet='foobar RT@one, @two: @three barfoo'
m=re.search(r'(RT|retweet|from|via)\b\W*@(\w+)\b\W*@(\w+)\b\W*@(\w+)\b\W*',tweet)
m.groups()
('RT', 'one', 'two', 'three')

我想要的是压缩重复的\b\W*@(\w+)\b\W* 模式并使它们成为可变数字，这样如果在@three 之后添加@four，它也会被提取。我已经尝试了很多排列来重复这个 + 不成功。

我也希望它适用于类似的东西

tweet='foobar RT@one, RT @two: RT @three barfoo';

这可以通过 re.finditer 实现 如果 模式不重叠。 （我有一个模式确实重叠的版本，所以只有第一个 RT 被拾取。）

非常感谢任何帮助。谢谢。

Answer 1

试试

(RT|retweet|from|via)(?:\b\W*@(\w+))+'

将\b\W*@(\w+) 括在'(?:...)` 中可以让您对重复的术语进行分组，而无需捕获聚合。

我不确定我是否在关注您问题的第二部分，但我认为您可能正在寻找涉及以下构造的内容：

(?:(?!RT|@).)

这将匹配任何不是“@”或“RT”开头的字符，再次不捕获它。

这样的话，怎么办：

(RT|retweet|from|via)((?:\b\W*@\w+)+)

然后进行后期处理

re.split(r'@(\w+)' ,m.groups()[1])

要获取单个句柄？