提取标签并在Powershell中添加到新的csv字段

Question

每个月，我都会下载Twitter分析，以获取我负责的一些与工作相关的句柄。

我在powershell中进行了一些数据按摩（将数字列的-更改为null），以便我的Excel Power Query可以轻松使用数据。

我已决定将主题标签从“推文文本”列中复制到其自己的列中，以进行有关其性能的调查。

我的整个脚本：

Remove-Item -path .\merged\merged.csv
$InputFiles = Get-Item "*.csv"
$OldString  = '"-"'
$NewString  = '""'
$InputFiles | ForEach {
    (Get-Content -Path $_.FullName).Replace($OldString,$NewString) | Set-Content -Path $_.FullName
}
Get-ChildItem -Filter *.csv | Select-Object -ExpandProperty FullName | Import-Csv | Export-Csv .\merged\merged.csv -NoTypeInformation -Append

由于我认识到可能必须一次执行多个月，因此我决定每月简单地重做合并的文件。

我正在查看添加标签以添加标签所需的内容，并且我确定自己在正确的轨道上进行以下操作：

Import-Csv .\merged\merged.csv | Select-Object *,@{Name='hashtags';Expression={'XYZZY'}} | Export-Csv file.csv -NoTypeInformation

当然，麻烦是我不确定需要在XYZZY中输入什么。 我知道我的正则表达式是＃[a-zA-Z0-9]（在我以前的尝试中，我很难让＃\\ w捕获井号之外的任何东西。

“推文”是列名。

推文范围从0到6个标签。 我看到的一个问题是，每个正则表达式匹配选项似乎都在对象中返回项目，我希望将这些项目简单地添加为该最终字段中以空格分隔的列表。

我可能会看到以下问题：为什么不在Excel中这样做？ 好问题。 我最初想将其添加到电源查询导入中，但实际上似乎是不可能的。 虽然我可以在VBA中做到这一点，但我希望这是可打包的解决方案。

为什么不在Python中这样做呢？ 我确实已经完成了一个解决方案，但是我真的很想把它保持为一个简单的过程。

标头是什么？ “推文ID”，“推文永久链接”，“推文文本”，“时间”，“展示次数”，“参与度”，“参与率”，“转推”，“回复”，“喜欢”，“用户个人资料点击次数”， “网址点击”，“标签点击”，“详细信息扩展”，“固定链接点击”，“应用打开”，“应用安装”，“关注”，“电子邮件推文”，“拨号电话”，“媒体观看”，“媒体参与度”，“提升的展示次数”，“提升的参与度”，“提升的参与度”，“提升的转发”，“提升的回复”，“提升的喜欢”，“提升的用户个人资料点击次数”，“提升的网址点击次数”，“提升的点击次数” “主题标签点击”，“详细信息扩展”，“固定链接升级”，“应用程序打开”，“应用程序安装”，“跟随”，“电子邮件推文”，“拨号电话”，“媒体视图” ，“促进媒体互动”

一些样本推文怎么样？ 好吧，我的意思是，它们是推文。 这里有一些例子：

This is a tweet with zero hashtags.
@somename this is a reply with #one hashtag.
This is a tweet with two #hashtags, one that has #punctuation attached.

Answer 1

这将做的工作... [ 坏笑 ]

# fake reading in some text from some source
$InStuff = @'
This is a tweet with zero hashtags.
@somename this is a reply with #one hashtag.
This is a tweet with two #hashtags, one that has #punctuation attached.
'@ -split [System.Environment]::NewLine

$HashTagList = foreach ($IS_Item in $InStuff)
    {
    @($IS_Item.Split(' ')) -match '#'
    }

$HashTagList

输出...

#one
#hashtags,
#punctuation

如果您需要删除标点符号，则可以稍作调整。 [ 咧嘴 ]

Answer 2

感谢Lee给我一些想法。

感觉有点胶带/捆扎线，但是...

Remove-Item -path .\merged\merged.csv
$InputFiles = Get-Item "*.csv"
$OldString  = '"-"'
$NewString  = '""'
$InputFiles | ForEach-Object {
    (Get-Content -Path $_.FullName).Replace($OldString,$NewString) | Set-Content -Path $_.FullName
}
Get-ChildItem -Filter *.csv | Select-Object -ExpandProperty FullName | Import-Csv | Export-Csv .\merged\merged.csv -NoTypeInformation -Append

$dataset = Import-Csv ".\merged\merged.csv"
$dataset | ForEach-Object {
        $HashTagOut = ''
        $HashTagList = $_.'Tweet Text'.Split(' ') -match '#'
        foreach ($Hashtag in $HashTagList)
        {
            if ($Hashtag -match '#[a-zA-Z0-9]*')
            {
            $HashTagOut = $HashTagOut + $Matches[0] + ' '
            }
        }
        $_ | Add-Member -MemberType NoteProperty -Name Hashtags -Value $HashTagOut.Trim() -Force
    }

$dataset | Export-Csv ".\merged\merged.csv"