如何用R查找含Hashtag的推文及用逻辑向量识别文本Hashtag

嘿，我来帮你搞定这两个R语言处理推文Hashtag的问题～

最便捷的方式是用stringr包（属于tidyverse生态，专门处理字符串），步骤如下：

• 第一步：安装并加载stringr包（首次使用需要安装）
• 第二步：用正则表达式匹配Hashtag——Hashtag的典型格式是#后面跟着字母、数字或下划线，对应的正则是#\\w+（R里需要用双反斜杠转义）
• 第三步：用str_detect()函数检测每条推文是否匹配该正则，再筛选出包含Hashtag的内容

示例代码如下：

# 首次使用先安装包
install.packages("stringr")
library(stringr)

# 模拟一组推文数据
tweets <- c(
  "打卡#上海迪士尼 太开心啦！",
  "今天的工作效率超高",
  "#R语言 数据可视化技巧总结",
  "晚上打算做减脂餐",
  "推荐#数据分析 入门课程"
)

# 检测每条推文是否包含Hashtag
has_hashtag <- str_detect(tweets, pattern = "#\\w+")

# 筛选出包含Hashtag的推文
filtered_tweets <- tweets[has_hashtag]
print(filtered_tweets)

逻辑向量是由TRUE和FALSE组成的向量，每个元素对应一条输入文本：TRUE表示该文本包含Hashtag，FALSE表示不包含。

举个例子，假设你的5条文本是：

• 文本1："#人工智能 前沿动态"
• 文本2："周末在家追剧"
• 文本3："分享#编程 学习资源"
• 文本4："准备下周的旅行攻略"
• 文本5："#数据挖掘 实战心得"

对应的逻辑向量就是：c(TRUE, FALSE, TRUE, FALSE, TRUE)

如果你的实际文本不同，只需要把文本传入str_detect(tweets, "#\\w+")，就能直接得到对应的逻辑向量啦。

内容的提问来源于stack exchange，提问作者Kuai Yu