如何使用 R 识别推文中的 url答案

【问题标题】：How to identify url in tweet using R如何使用 R 识别推文中的 url
【发布时间】：2012-07-11 05:47:37
【问题描述】：

我想在我的推特数据集中识别那些包含 URL 的推文。例如，使用“http://”的符号。

如何在 R 中进行？例如推文文本是

  "@RainxDog @twitpic Please HELP #OccupyWallStreet and RT this video: http://t.co/vjwNR7TC"

  "@degamuna Please HELP #OccupyWallStreet and RT this video: http://t.co/vjwNR7TC"

【问题讨论】：

标签： r url twitter tweets

【解决方案1】：

你可以使用 grep

if(length(grep("http://",data))>0){
 data[grep("http://",data)]
}

【讨论】：

【解决方案2】：

您相对简单的问题，隐藏了一些实际上非常棘手的问题。在您的两个示例中，网址：

的形式为：http://t.cp/ - bit.ly 链接呢？ https呢？
网址出现在推文的末尾。推文中间或开头的网址呢？

构建一组示例推文并确保您的正则表达式有效。

基本上，您需要一个正则表达式。要查看的 Stackoverflow 问题是：

这些问题还包含链接。

【讨论】：

【解决方案3】：

您可以使用Twitter Entities 获取推文的所有 URL。进行 REST 调用时，请确保包含

&include_entities=true

这将为您提供 JSON 或 XML 中称为实体的部分。会有一个名为 urls 的子节点。

这是一个将返回的示例。

"text": "Twitter for Mac is now easier and faster, and you can open multiple windows at once http://t.co/0JG5Mcq",

    "entities": {

      "media": [

      ],

      "urls": [

        {

          "url": "http://t.co/0JG5Mcq",

          "display_url": "blog.twitter.com/2011/05/twitte…",

          "expanded_url": "http://blog.twitter.com/2011/05/twitter-for-mac-update.html",

          "indices": [

            84,

            103

          ]

        }

      ],

      "user_mentions": [

      ],

      "hashtags": [

      ]

    }

因此，查找实体 -> url 以查看推文是否包含指向外部站点的链接。

【讨论】：