从单个字符串中提取多个子字符串答案

【问题标题】：Extract multiple substrings from a single从单个字符串中提取多个子字符串
【发布时间】：2014-08-28 07:40:14
【问题描述】：

我想从推文中提取标签（推特句柄）。

tweet <- "@me bla bla bla bla @him some text @her"

与：

at <- regexpr('@[[:alnum:]]*', tweet)
handle <- substr(tweet,at+1,at+attr(at,"match.length")-1)

我成功提取了第一个句柄

handle
[1] "me"

但是我无法找到提取其他人的方法，有人知道这样做的方法吗？ - 谢谢

【问题讨论】：

标签： r text

【解决方案1】：

library(stringr)
str_extract_all(tweet,perl("(?<=@)\\w+"))[[1]]
#[1] "me"  "him" "her"

或使用stringi 进行快速处理

 library(stringi)
 stri_extract_all_regex(tweet, "(?<=@)\\w+")[[1]]
 #[1] "me"  "him" "her"

基准测试

 tweet1 <- rep(tweet, 1e5)
 f1 <- function() {m <- regmatches(tweet1, gregexpr("@[a-z]+", tweet1))[[1]] 
              substring(m, 2)}

 f2 <- function() {stri_extract_all_regex(tweet1, "(?<=@)\\w+")[[1]]}
 f3 <- function() {regmatches(tweet1, gregexpr("(?<=@)[a-z]+", tweet1,perl=T))}

 library(microbenchmark)
 microbenchmark(f1(), f2(), f3(), unit="relative")
 #Unit: relative
 # expr      min       lq   median       uq      max neval
 #f1() 5.387274 5.253141 5.143694 5.166854 4.544567   100
 #f2() 1.000000 1.000000 1.000000 1.000000 1.000000   100
 #f3() 5.523090 5.440423 5.301971 5.335775 4.721337   100

【讨论】：

对我来说太快了！不错的建议。

【解决方案2】：

我建议：

tweet <- "@me bla bla bla bla @him some text @her"
regmatches(tweet, gregexpr("(?<=@)[a-z]+", tweet,perl=T))

## [[1]]
## [1] "me"  "him" "her"

【讨论】：