从单个提取多个子字符串

Question

我想从推文中提取标签(推特句柄).

tweet <- "@me bla bla bla bla @him some text @her"

附:

at <- regexpr('@[[:alnum:]]*', tweet)
handle <- substr(tweet,at+1,at+attr(at,"match.length")-1)

我成功提取了第一个句柄

handle
[1] "me"

但是我无法找到提取其他人的方法,有没有人知道这样做的方法？- 谢谢

Answer 1

library(stringr)
str_extract_all(tweet,perl("(?<=@)\\w+"))[[1]]
#[1] "me"  "him" "her"

或者stringi用于快速处理

 library(stringi)
 stri_extract_all_regex(tweet, "(?<=@)\\w+")[[1]]
 #[1] "me"  "him" "her"

基准

 tweet1 <- rep(tweet, 1e5)
 f1 <- function() {m <- regmatches(tweet1, gregexpr("@[a-z]+", tweet1))[[1]] 
              substring(m, 2)}

 f2 <- function() {stri_extract_all_regex(tweet1, "(?<=@)\\w+")[[1]]}
 f3 <- function() {regmatches(tweet1, gregexpr("(?<=@)[a-z]+", tweet1,perl=T))}

 library(microbenchmark)
 microbenchmark(f1(), f2(), f3(), unit="relative")
 #Unit: relative
 # expr      min       lq   median       uq      max neval
 #f1() 5.387274 5.253141 5.143694 5.166854 4.544567   100
 #f2() 1.000000 1.000000 1.000000 1.000000 1.000000   100
 #f3() 5.523090 5.440423 5.301971 5.335775 4.721337   100

Answer 2

我会建议：

tweet <- "@me bla bla bla bla @him some text @her"
regmatches(tweet, gregexpr("(?<=@)[a-z]+", tweet,perl=T))

## [[1]]
## [1] "me"  "him" "her"