Python正則表達式來獲取tweet中所有不是@mention或#hashtag的單詞

我想要得到tweet中沒有提到的詞（以@開頭）或標籤（以＃開頭）。Python正則表達式來獲取tweet中所有不是@mention或#hashtag的單詞

我的代碼是這樣的：

import re 
pattern=r'(?u)\b\w\w+\b' 
pattern=re.compile(pattern) 
pattern.findall('this is a tweet #hashtag @mention')

與此正則表達式的結果是 這是一個鳴叫包括hashtag提

，但我不希望包括hashtag和提的結果。我想要得到的結果是：

這是一個鳴叫

請注意，我不能代替空格使用\ B的，因爲輸出 。這是一個鳴叫（注意。在開始時）也應該是 [這是一個鳴叫] \ b強制一個詞的開始是任何非字母數字，但如果我使用\ s然後這將不會在結果。

2017-02-23 Ash

充分利用@和＃字符的前綴（可選）你的話，你申請 –

我給這個正則表達式正則表達式後，然後過濾輸出另一個不是我的功能（scikit-learn的tfidfvectorizer），所以我不能做任何post/pre處理，正則表達式應該完成這項工作。 – Ash

(?<![#@])\b\w+\b

您可以使用此示例。

2017-02-23 04:18:34 vks

謝謝，這是有效的，但考慮到一個單詞之前的字符可以是任何非字母數字，因爲這是一個推文（它應該將此作爲結果的一部分返回）我希望從\ b中排除@和＃。 – Ash

是的，這是它，謝謝@ vks。 – Ash

有一個問題@vks，你知道原始文章正則表達式開頭的那個（？u）嗎？（它從sklearn複製）。 – Ash

如果你是開放的比regex其他的解決方案，那麼你就可以利用filter和期望的結果lambda功能。

a = 'this is a tweet #hashtag @mention' 
" ".join(filter(lambda x:x[0]!='#' and x[0]!='@' , a.split()))

「這是推特」

2017-02-23 04:46:12

謝謝，但必須把它交給另一個函數。 – Ash

回答