有没有办法从不用于过滤推文的推文中获取单词？

Question

我正在使用由这些标签过滤的 Tweepy 流式传输推文 ["corona"、"quarantine"、"covid19"]

例如，如果我有这条推文，“我从楼梯上摔下来吃了一个苹果，所以没有医生#quarantine” 我想获取像“stairs”、“apple”和“doctor”这样的字符串作为一组关键字

有什么办法吗？

我是 python 的初学者，我正在使用 Youtube 上的视频教程来开始这个项目

class StdOutListener(StreamListener):

    def on_data(self, data):
        print data
        return True

    def on_error(self, status):
        print status

if __name__ == '__main__':
    
    lis = StdOutListener()
    auth = OAuthHandler(consumer_key, consumer_secret)
    auth.set_access_token(access_token, access_token_secret)
    stream = Stream(auth, lis)

    stream.filter(track=['covid19','corona','quarantine'])

Answer 1

您可以使用列表理解：

tags =  ["corona", "quarantine", "covid19"]
tweet = "I fell down the stairs and ate an apple so no doctor #quarantine"

# print each word in the tweet that is longer than two characters and
# does not contain any of the tag words
print([word for word in tweet.split() if len(word) > 2 and not any(tag in word for tag in tags)])

这不是一个完美的解决方案，主要是因为它排除了包含标签的单词，即如果其中一个标签是 wash，那么单词 washington 将被排除在外。但这是一个开始。

Answer 2

这个怎么样？ -

如果你想将推文分解成单词，那么-

s =  'fell down the stairs and ate an apple so no doctor #quarantine'
allwords = s.split(' ')
allwords

#output
['fell', 'down', 'the', 'stairs', 'and', 'ate', 'an', 'apple', 'so', 'no', 'doctor','#quarantine']

然后你可以用#标签分隔单词 -

hastags = [i for i in allwords if i[:1]=='#']
hastags

#output
['#quarantine']

接下来您可以通过执行此操作来过滤我们具有 # 标签的单词 -

otherwords = [i for i in allwords if i not in hastags]
otherwords

#output
['fell', 'down', 'the', 'stairs', 'and', 'ate', 'an', 'apple', 'so', 'no', 'doctor']

对于更大的数据集和一长串特定的标签，我建议这样做 -

tags = ["corona", "quarantine", "covid19"]
[i for i in s.split(' ') if i.strip('#') not in tags]

#output
['fell', 'down', 'the', 'stairs', 'and', 'ate', 'an', 'apple', 'so', 'no', 'doctor']

如果您遇到这样一种情况，即用于过滤推文的标签前面可能没有#，但您仍想过滤掉它们，那么 -

tags = ["corona", "quarantine", "covid19"]
print([i for i in s.split(' ') if i.strip('#') not in tags and i not in tags])

#output
['fell', 'down', 'the', 'stairs', 'and', 'ate', 'an', 'apple', 'so', 'no', 'doctor']

有没有办法从不用于过滤推文的推文中获取单词？

Is there way to obtain words from a tweet that aren't used to filter tweets?

python

twitter

tweepy