使用Python正则表达式提取多格式数据中的Twitter handle

核心匹配规则 #

用正则表达式可覆盖所有目标场景，匹配逻辑兼顾直接@标记和各类Twitter链接格式：

(?:@|twitter\.com\/)([a-zA-Z0-9_]{1,15})(?:\/|\?|$)

规则说明 #

• (?:@|twitter\.com\/)：匹配账号的前缀触发条件，要么是@符号，要么是链接里的twitter.com/
• ([a-zA-Z0-9_]{1,15})：捕获Twitter账号本身（官方限定账号只能包含字母、数字、下划线，长度1-15位）
• (?:\/|\?|$)：匹配账号的结束边界，包括链接后续路径的/、链接参数的?，或是字符串结尾

输入输出示例 #

单个账号输入场景：

输入：https://twitter.com/elonmusk
输出：elonmusk

输入：https://twitter.com/elonmusk/status/43940840234234
输出：elonmusk

输入：https://twitter.com/elonmusk?t=w5i1O32q6dM7usSQEaTGvA&s=09
输出：elonmusk

输入：@elonmusk
输出：elonmusk

多账号输入场景：

输入：https://twitter.com/elonmusk https://twitter.com/elonmusk/status/43940840234234
输出：elonmusk,elonmusk

实现步骤 #

1. 对输入文本执行正则全局匹配，提取所有符合规则的捕获组内容
2. 将提取到的所有账号用逗号拼接，得到最终结果

内容的提问来源于stack exchange，提问作者yurasharko