在R语言中从推文数据库提取引用的Twitter用户名方法问询

嘿，我来帮你搞定这个需求！你已经用strsplit()把每条推文拆成了单词列表，不过其实有两种思路可以完成提取@开头账号的任务，还能直接处理可能带标点的情况，一起来看看：

方法一：基于你已拆分的单词列表（Base R） #

如果你已经有了拆分后的单词列（比如数据框里叫split_words），可以用lapply()遍历每个单词列表，筛选出以@开头的内容：

# 假设你的数据框是tweets_df，拆分后的列是split_words
tweets_df$mentioned_accounts <- lapply(tweets_df$split_words, function(word_list) {
  # 筛选所有以@开头的元素
  word_list[grepl("^@", word_list)]
})

这样处理后，mentioned_accounts列会是一个列表列——每条推文对应的元素是该条推文里所有@账号组成的向量，没有提及账号的话就是空向量，完全符合你要的格式。

方法二：直接从原始文本提取（更高效准确，推荐） #

其实不用先拆分单词，用stringr包的str_extract_all()可以直接从原始推文文本里提取符合Twitter账号规则的内容（避免账号后面带逗号、句号等标点的干扰）：

首先安装并加载stringr：

install.packages("stringr")
library(stringr)

然后提取账号：

# 从原始text列提取@开头+字母/数字/下划线的账号
tweets_df$mentioned_accounts <- str_extract_all(tweets_df$text, "@[A-Za-z0-9_]+")

这个正则表达式@[A-Za-z0-9_]+会精准匹配合法的Twitter账号（Twitter账号只能包含字母、数字和下划线），比如能把@medieninsider,里的@medieninsider单独提取出来，结果同样是列表列，多个账号会自动存成向量。

存入数据库新列 #

接下来把这个新列存入数据库，这里分两种常用场景：

用DBI直接操作数据库 #

假设你用DBI包连接了数据库（比如SQLite、PostgreSQL），先添加新列，再写入数据：

library(DBI)
# 假设你的数据库连接对象是con
# 先添加新列，注意不同数据库的数组类型：PostgreSQL用TEXT[]，SQLite用TEXT
dbExecute(con, "ALTER TABLE tweets ADD COLUMN mentioned_accounts TEXT[]")
# 将处理后的数据框写入数据库（覆盖原表的话调整overwrite参数）
dbWriteTable(con, "tweets", tweets_df, overwrite = FALSE, append = FALSE, row.names = FALSE)

用dplyr+dbplyr做数据库端操作 #

如果习惯用dplyr语法，可以直接在数据库层面完成提取和列添加：

library(dplyr)
library(dbplyr)
# 连接数据库表
tweets_db <- tbl(con, "tweets") %>%
  # 直接在数据库端提取账号，生成新列
  mutate(mentioned_accounts = str_extract_all(text, "@[A-Za-z0-9_]+")) %>%
  # 将结果存入数据库（默认生成临时表，用compute()存为永久表）
  compute(name = "tweets", overwrite = TRUE)

内容的提问来源于stack exchange，提问作者Daniel Sezari