根据推文文本在Python中分类推文类型（推文/转推/提及）

Question

我参考了几个不同的例子，写了一个简单的Python脚本，可以解析Twitter Streaming API返回的JSON数据，并打印出每条推文的 screen_name 和 text。我想修改我的代码，让它还能把每条推文分类为以下几种：

(1) 转发 --> 推文文本中有“RT @某用户名”

(2) 提及 --> 推文中有“@某用户名”，但没有“RT @某用户名”

(3) 推文 --> 推文中既没有“RT @某用户名”，也没有“@某用户名”

我可以在Excel中用以下公式做到这一点，但我还没想出怎么在Python中实现。

=IF(IFERROR(FIND("RT @",B2)>0,"False"),"Retweet",IF(IFERROR(FIND("@",B2)>0,"False"),"Mention","Tweet"))

现有代码

import json
import sys
from csv import writer

with open(sys.argv[1]) as in_file, \
    open(sys.argv[2], 'w') as out_file:
    print >> out_file, 'tweet_author, tweet_text, tweet_type'
    csv = writer(out_file)

    for line in in_file:
        try:
            tweet = json.loads(line)
        except:
            pass

        tweet_text = tweet['text']

        row = (
        tweet['user']['screen_name'],
        tweet_text
        )
        values = [(value.encode('utf8') if hasattr(value, 'encode') else value) for value in row]
        csv.writerow(values)

Answer 1

我这里没有Python解释器，但应该类似于这个：

import re


def url_match(tweet):
    match = re.match(r'RT\s@....+', tweet)
    if match:
        return "RT"
    else:
        match = re.match(r'@....+', tweet)
        if match:
           return "mention"
        else
           return "tweet"

注意：这个方法适用于这个分类，但如果你想获取用户名，也就是@USERNAME，你需要稍微调整一下。