如何修改R代码抓取含表情符号的Twitter推文用于情感分析？

核心思路 #

要自动筛选出包含表情符号的推文，需借助正则表达式匹配Unicode表情符号范围，先抓取足够多的候选推文，再过滤出符合要求的内容，最终提取100条满足「含表情+文本」条件的结果。

修改后的完整代码 #

get_token() # 连接Twitter API

# 先抓取500条含"uber"关键词的英文候选推文（避免直接抓100条不够筛选）
Uber_candidates <- search_tweets("uber", n = 500, lang = "en")

# 定义匹配主流Unicode表情符号的正则表达式
emoji_regex <- "[\U0001F600-\U0001F64F\U0001F300-\U0001F5FF\U0001F680-\U0001F6FF\U0001F1E0-\U0001F1FF\U00002500-\U00002BEF\U00002702-\U000027B0\U0001F900-\U0001F9FF\U0001FA70-\U0001FAFF]"

# 筛选：包含表情符号 + 文本内容非空
Uber_with_emojis <- Uber_candidates[grepl(emoji_regex, Uber_candidates$text) & nchar(Uber_candidates$text) > 0, ]

# 提取前100条符合要求的推文
Uber_final <- head(Uber_with_emojis, 100)

关键说明 #

• 扩大候选抓取量：设置n=500是因为直接抓取100条可能无法凑齐足够的带表情推文，先抓更多候选再筛选更稳妥
• 表情正则覆盖：正则表达式包含了笑脸、手势、食物、旗帜、符号等绝大多数常见表情符号的Unicode范围
• 双重筛选：同时校验"含表情"和"文本非空"，确保每条结果都符合你需要的格式

内容的提问来源于stack exchange，提问作者M. Talha Bin Asif