регулярное выражение python для ретвитов

Question

Я работаю над регулярным выражением, которое будет извлекать ключевые слова и имена пользователей из твитов. вот пример, с довольно страшном регулярным выражением, чтобы сделать работу:

tweet='foobar RT@one, @two: @three barfoo' 
m=re.search(r'(RT|retweet|from|via)\b\W*@(\w+)\b\W*@(\w+)\b\W*@(\w+)\b\W*',tweet) 
m.groups() 
('RT', 'one', 'two', 'three') 

, что я хотел бы это конденсироваться повторяющиеся \b\W*@(\w+)\b\W* образцов и сделать их из переменного числа, так что если @four были добавлены после того, как @ три, он также будет извлечен. Я пробовал много перестановок, чтобы повторить это с + безуспешно.

я также хотел бы, чтобы это работало на что-то вроде

tweet='foobar RT@one, RT @two: RT @three barfoo'; 

, которая может быть достигнута с re.finditer если узоры не перекрывают друг друга. (у меня есть версия, где шаблоны накладываются друг на друга, и поэтому снимается только первый RT).

всякая помощь с благодарностью. Благодарю.

Answer 1

Попробуйте

(RT|retweet|from|via)(?:\b\W*@(\w+))+' 

Вшита \b\W*@(\w+) в «(? ...)` позволяет группировать условия для повторения без захвата агрегата.

Я не уверен, что я после второй части Вашего вопроса, но я думаю, что вы можете искать что-то с участием конструкции, как:

(?:(?!RT|@).) 

который будет соответствовать любому символу, который не является «@» или начало «RT», снова не захватывая его.

В этом случае, как насчет:

(RT|retweet|from|via)((?:\b\W*@\w+)+) 

, а затем процесс пост

re.split(r'@(\w+)' ,m.groups()[1]) 

Чтобы получить отдельные ручки?