8
Help us understand the problem. What are the problem?

More than 3 years have passed since last update.

posted at

updated at

文字列からSNSのアカウント名・ハッシュタグ、URLを取り出す

はじめに

SNSのスクショ画像からアカウント名やハッシュタグ、短縮リンクなどを取り出すWebアプリを作ってみました。

その中で、OCRの結果から要素を取り出すための正規表現をメモ。

テスト用のテキストを用意

テスト用に以下のTwitterスクショ画像からCloud Vision APIで文字列を取得してみる。

. ホーム
合 g
koolweb37 | Web制作 @koolweb37・2h v
毎年こちらに、初詣2(Ca")
#初詣
#あけましておめでとう
#今年もよろしくね ift.tt/2A3kga2
たMii単理
9
u ゆーくりっどさんがリツイート
スケキヨ @sukekiyo56・18h
描き初め、柴犬パワードです。ことよろです
HAPPY
NEW
YEAR

さすがGoogle先生。
ただ、画像によっては「@」「#」などの記号やURLが誤認識する印象。歯がゆい❗

要素の抽出


const text = `
. ホーム
合 g
koolweb37 | Web制作 @koolweb37・2h v
毎年こちらに、初詣2(Ca")
#初詣
#あけましておめでとう
#今年もよろしくね ift.tt/2A3kga2
たMii単理
9
u ゆーくりっどさんがリツイート
スケキヨ @sukekiyo56・18h
描き初め、柴犬パワードです。ことよろです
HAPPY
NEW
YEAR
`;

// アカウント抽出
const accounts = text.match(/[@@][A-Za-z0-9._-]+/gm);
console.log(accounts);

// ハッシュタグ抽出
const tags = text.match(/[##][A-Za-zA-Za-z一-鿆0-90-9ぁ-ヶヲ-゚ー._-]+/gm);
console.log(tags);

// URL抽出
const urls = text.match(/([a-z0-9]|\.)+\.(com|net|jp|org|io|info|me|ma|gl|ly|gd|cc|nu|tt).*/gm);
console.log(urls);

出力

[ '@koolweb37', '@sukekiyo56' ]
[ '#初詣', '#あけましておめでとう', '#今年もよろしくね' ]
[ 'ift.tt/2A3kga2' ]
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Sign upLogin
8
Help us understand the problem. What are the problem?