如何从一列中提取链接和用户并将它们放在另一列中？

Question

我有一列包含这样的用户信息和链接：

tweet
1   "¿Tienes dudas sobre #ciberseguridad y no sabes a quién acudir? Desde @INCIBE queremos recordarte que estamos a tu disposición en nuestro teléfono gratuito ☎017. ¡Te ayudaremos!
????  https://www.osi.es/es/contacto  pic.twitter.com/uJ3zNQxfda"
2   Hola @ProtoMot, te recomendamos que leas el siguiente artículo de nuestra web y si sigues teniendo dudas puedes llamarnos gratuitamente al 017 la Línea de Ayuda en Ciberseguridad. https://www.osi.es/es/actualidad/blog/2019/04/04/microsoft-te-ha-llamado-sin-haberlo-solicitado …
3   "Hola @Lotharmatao2020, para atender tu consulta de forma personalizada puedes ponerte en contacto con nosotros llamando gratuitamente al 017, la Línea de Ayuda en Ciberseguridad.
 https://www.incibe.es/linea-de-ayuda-en-ciberseguridad …"

我想创建一些可以识别用户和行的链接的东西。这样我在数据框中就有了一个新列，结果如下：

 tweet_mentions
    1    @INCIBE
     https://www.osi.es/es/contacto  pic.twitter.com/uJ3zNQxfda"
    2 @ProtoMot
https://www.osi.es/es/actualidad/blog/2019/04/04/microsoft-te-ha-llamado-sin-haberlo-solicitado …
    3    @Lotharmatao2020
     https://www.incibe.es/linea-de-ayuda-en-ciberseguridad …"

我正在考虑创建一个识别 @ 和 https 的函数，但我不知道做这件事的最佳方法是什么。

Answer 1

这是一种方法：

import re

a = [
   '¿Tienes dudas sobre #ciberseguridad y no sabes a quién acudir? Desde @INCIBE queremos recordarte que estamos a tu disposición en nuestro teléfono gratuito ☎017. ¡Te ayudaremos! ?  https://www.osi.es/es/contacto  pic.twitter.com/uJ3zNQxfda',
   'Hola @ProtoMot, te recomendamos que leas el siguiente artículo de nuestra web y si sigues teniendo dudas puedes llamarnos gratuitamente al 017 la Línea de Ayuda en Ciberseguridad. https://www.osi.es/es/actualidad/blog/2019/04/04/microsoft-te-ha-llamado-sin-haberlo-solicitado',
   'Hola @Lotharmatao2020, para atender tu consulta de forma personalizada puedes ponerte en contacto con nosotros llamando gratuitamente al 017, la Línea de Ayuda en Ciberseguridad. https://www.incibe.es/linea-de-ayuda-en-ciberseguridad'
]

for n, s in enumerate(a):
   a_at = re.findall('@[^ ,]+', s)
   a_url = re.findall('https://[^ ,]+', s)
   print(n, a_at)
   print(a_url)

请注意，这会遗漏pic.twitter.com/uJ3zNQxfda 之类的内容，但是您 可以说这不是一个有效的 URL，因为它缺少协议。如果你需要 将 URL 与可选协议匹配，这将是一个更加困难的常规 表达。