MongoDB - 从正则表达式中提取数据答案

【问题标题】：MongoDB - Extract Data from RegexMongoDB - 从正则表达式中提取数据
【发布时间】：2019-02-10 07:43:35
【问题描述】：

我有一个任务，我需要使用 MongoDB 从一些 twitter 帖子中检索数据，并且已经解决了几个小时的问题。我需要提取提到的用户（在 Twitter 中你 @TheirUsername 来提及他们），并且很难这样做，我尝试使用 substrCP，并找到“@”开始位置的索引，但无法弄清楚如何找到“@”停止的位置，因为名称有不同的长度，并且名称后可以有任何字符，例如“？”，“。”等等

因此，我使用正则表达式模式：/@\w+/ 来确定推文是否有包含@符号的字符串，后跟一些单词。这在确定推文中是否包含@Someone 非常有效，但我仍然无法弄清楚如何“提取”它。

（顺便说一句。我一直在使用聚合来执行此操作，因此我可以通过 $match、$project 和最后 $sort 进行管道传输）

看起来像这样：

https://hastebin.com/adohogedil.bash

需要提取用户名的字符串示例如下：
“该死的！@white_cat22 我错过了 11:11”

我只想要“@white_cat22”部分。

编辑：在谷歌上搜索了一下，我认为描述它的更好方法如下，我需要在正在测试的字符串上检索匹配的正则表达式模式。

我可以做些什么来提取提到的用户名？任何帮助将不胜感激！（已编辑）

【问题讨论】：

你试过from here的解决方案了吗？另一个post 看起来也很有帮助。

标签： regex mongodb mongodb-query aggregation-framework

【解决方案1】：

所以你可以使用MongoDB查询运算符来实现你想要的比如：

{ username: { $regex: /@white_cat22/i } }

更多详情，请查看link

【讨论】：

【解决方案2】：

有点棘手，您必须使用$split 和$unwind 运算符，然后使用$match 和@，如下所示：

db.tweets.aggregate([ 
    {
        $match: { tweet: /@\w+/ }
    }, 
    {
        $project: {tweet: {$split: ["$tweet", " "]}}
    }, 
    {
        $unwind: "$tweet"
    }, 
    {
        $match: { tweet: /@\w+/  }
    } 
])

它产生的结果几乎与您的要求相似：

{ "_id" : ObjectId("5c61aee91765cd7b27eb473e"), "tweet" : "@white_cat22" }
{ "_id" : ObjectId("5c61aeee1765cd7b27eb473f"), "tweet" : "@white_cat23" }
{ "_id" : ObjectId("5c61aef61765cd7b27eb4740"), "tweet" : "@cat23" }
{ "_id" : ObjectId("5c61aefd1765cd7b27eb4741"), "tweet" : "@KP" }
{ "_id" : ObjectId("5c61af051765cd7b27eb4742"), "tweet" : "@kpTesting" }
{ "_id" : ObjectId("5c61af091765cd7b27eb4743"), "tweet" : "@kpTesting12" }
{ "_id" : ObjectId("5c61b4791765cd7b27eb4744"), "tweet" : "@kpTesting12" }

有关更多信息，我对上述使用的集合的简单查找查询是：

> db.tweets.find()
{ "_id" : ObjectId("5c61aee91765cd7b27eb473e"), "tweet" : "damnnn! @white_cat22 i missed 11:11" }
{ "_id" : ObjectId("5c61aeee1765cd7b27eb473f"), "tweet" : "damnnn! @white_cat23 i missed 11:11" }
{ "_id" : ObjectId("5c61aef61765cd7b27eb4740"), "tweet" : "damnnn! @cat23 i missed 11:11" }
{ "_id" : ObjectId("5c61aefd1765cd7b27eb4741"), "tweet" : "damnnn! @KP i missed 11:11" }
{ "_id" : ObjectId("5c61af051765cd7b27eb4742"), "tweet" : "damnnn! @kpTesting i missed 11:11" }
{ "_id" : ObjectId("5c61af091765cd7b27eb4743"), "tweet" : "damnnn! @kpTesting12 i missed 11:11" }
{ "_id" : ObjectId("5c61b4791765cd7b27eb4744"), "tweet" : "@kpTesting12 i missed 11:11" }
>

它也包含用户名，即@，如果用户名出现在推文的最后一个句子中，它也可以工作。

这可能会有所帮助，但您始终可以优化此查询，我在这里发布只是为了您的理解，我不会为您提供您需要的优化解决方案。

更多详情请查看以下参考资料：

$split (aggregation)

$unwind (aggregation)

【讨论】：