如何使用RegEx从文本中提取Twitter @handles？

Question

我正在寻找一种简单的方法来创建基于SocialBakers数据(复制/粘贴到TextMate中)的Twitter @handles列表。

我试过使用下面的RegEx，它是我在StackOverflow上找到的，但不幸的是，它不是我想要的方式：

^(?!.*@([\w+])).*$

虽然上面的表达式删除了所有没有@handle的行，但我希望RegEx删除@handle前后的所有内容以及没有@handles的行。

示例：

1
katyperry KATY PERRY (@katyperry)
Followings 158
Followers 82 085 596
Rating
5
Worst012345678910Best
2
justinbieber Justin Bieber (@justinbieber)
254 399
74 748 878
2
Worst012345678910Best
3
taylorswift13 Taylor Swift (@taylorswift13)
245
70 529 992

期望的结果：

@katyperry
@justinbieber
@taylorswift13

提前感谢您的帮助！

Answer 1

如下所示：

cat file | perl -ne 'while(s/(@[a-z0-9_]+)//gi) { print $1,"\n"}'

如果您有多个@handles的行，这也是有效的。

Answer 2

Twitter句柄正则表达式是@\w+。因此，要删除所有其他内容，您需要匹配并捕获模式，并使用对此捕获组的反向引用，然后只匹配任何字符：

(@\w+)|.

使用DOTALL模式也可以匹配换行符。替换为$1 (或\1，取决于您使用的工具)。

请参阅demo

Answer 3

在Caret中测试的海峡REGEX：

@.*[^)]

上面将搜索任何给定的和排除右括号。

@.*\b

上面的代码在Caret文本编辑器中做同样的事情。

如何使用awk和sed：

还可以获取用户名：

$ awk '/@.*/ {print}' test
katyperry KATY PERRY (@katyperry)
justinbieber Justin Bieber (@justinbieber)
taylorswift13 Taylor Swift (@taylorswift13)

只有句柄：

$ awk -F "(" '/@.*/ {print$2}' test | sed 's/)//g'
@katyperry
@justinbieber
@taylorswift13

A查看测试文件：

$ cat test
1
katyperry KATY PERRY (@katyperry)
Followings 158
Followers 82 085 596
Rating
5
Worst012345678910Best
2
justinbieber Justin Bieber (@justinbieber)
254 399
74 748 878
2
Worst012345678910Best
3
taylorswift13 Taylor Swift (@taylorswift13)
245
70 529 992

Bash版本：

$ bash --version
GNU bash, version 3.2.57(1)-release (x86_64-apple-darwin14)
Copyright (C) 2007 Free Software Foundation, Inc.