解析tweet以提取R中的hashtag

Question

我想知道是否有人有一个快速的解决方案来从R的推文中提取标签。例如，给定以下字符串，我如何解析它以提取带有hashtag的单词？

string <- 'Crowdsourcing is awesome. #stackoverflow'

Answer 1

与HTML不同，我希望您可以使用正则表达式解析标签。

library(stringr)
string <- "#hashtag Crowd#sourcing is awesome. #stackoverflow #question"
# I don't use Twitter, so maybe this regex is not right 
# for the set of allowable hashtag characters.
hashtag.regex <- perl("(?<=^|\\s)#\\S+")
hashtags <- str_extract_all(string, hashtag.regex)

这会产生：

> print(hashtags)
[[1]]
[1] "#hashtag"       "#stackoverflow" "#question"     

请注意，如果string实际上是许多tweet的向量，则也可以不加修改地工作。它返回一个字符向量列表。

Answer 2

像这样的东西？

string <- c('Crowdsourcing is awesome. #stackoverflow #answer', 
    "another #tag in this tweet")
step1 <- strsplit(string, "#")
step2 <- lapply(step1, tail, -1)
result <- lapply(step2, function(x){
  sapply(strsplit(x, " "), head, 1)
})