从推文中提取 url、提及和主题标签答案

【问题标题】：Extracting urls, mentions and hashtags from a tweet从推文中提取 url、提及和主题标签
【发布时间】：2017-04-12 12:46:38
【问题描述】：

我正在尝试提取所有非字母数字字符，并使用 python 从推文中提取 url。我应该只剩下用空格分隔的单词。例如：如果我的推文是：“嗨！在https://www.tutorialspoint.com/python/python_strings.htm@python #python 上查看我的页面” 我应该得到：“嗨，看看我的页面” 感谢您的帮助！

【问题讨论】：

您的示例中存在不一致之处，您想包含“hi”但删除两个“phyton”，即使字符串“嗨！”包括非字母数字字符。您是否包含字符串“Hi”，因为它不是像“phyton”这样的标签？
是的，我包括 hi 因为它不是标签，它是一个词，但我要去掉所有的标点符号

标签： python url twitter slice hashtag

【解决方案1】：

假设您已经获得了推文文本，那么使用 python 对字符串的一些内置操作应该能够完成您想要的操作。这是使用列表理解和string.translate module 的单行代码：

import string

my_tweet = "Hi! Check out my page at https://www.tutorialspoint.com/python/python_strings.htm @phyton #phyton"
tweet_text = ' '.join([i.lower() for i in my_tweet.split() if not i.startswith(('http', '@', '#'))]).translate(None, string.punctuation)
print tweet_text # hi check out my page at

【讨论】：