python之python 中的正则表达式以匹配 Twitter 句柄

我正在尝试使用正则表达式来捕获推文正文中的所有 Twitter 句柄。挑战在于我正在尝试处理这个问题

1. 包含一个特定的字符串
2. 长度未知
3. 后面可以是
   • 标点符号
   • 空格
   • 或字符串的结尾。

例如，对于这些字符串中的每一个，我都用斜体标记了我想要返回的内容。

"@handle what is your problem?" [RETURN '@handle']

"what is your problem @handle?" [RETURN '@handle']

"@123handle what is your problem @handle123?" [RETURN '@123handle', '@handle123']

这是我目前所拥有的:

>>> import re 
>>> re.findall(r'(@.*handle.*?)\W','hi @123handle, hello @handle123') 
['@123handle'] 
# This misses the handles that are followed by end-of-string 

我尝试修改以包含允许字符串结尾字符的 或 字符。相反，它只返回整个字符串。

>>> re.findall(r'(@.*handle.*?)(?=\W|$)','hi @123handle, hello @handle123') 
['@123handle, hello @handle123'] 
# This looks like it is too greedy and ends up returning too much 

如何编写满足这两个条件的表达式？

我看过一个 couple other的地方，但我仍然卡住了。

请您参考如下方法:

您似乎在尝试匹配以 @ 开头的字符串，然后是 0+ 个单词字符，然后是 handle，然后是 0+ 个单词字符。

使用

r'@\w*handle\w*' 

或者 - 避免在电子邮件中匹配 @+word 字符:

r'\B@\w*handle\w*' 

参见 Regex 1 demo和 Regex 2 demo (\B 非单词边界要求在 @ 之前有一个非单词字符或字符串开头)。

请注意，.* 是一个贪婪的点匹配模式，它匹配除换行符以外的任何字符，尽可能多。 \w* 仅匹配 0+ 个字符(也尽可能多)，但如果 re.UNICODE 标志未使用(并且未在您的代码中使用)。

Python demo :

import re 
p = re.compile(r'@\w*handle\w*') 
test_str = "@handle what is your problem?\nwhat is your problem @handle?\n@123handle what is your problem @handle123?\n" 
print(p.findall(test_str)) 
# => ['@handle', '@handle', '@123handle', '@handle123']