Regular Expressions 101

Community Patterns

Campeonato Brasileiro Serie A - Transmissões Oficiais dos Times - MINUTOS DENTRO DE CADA TEMPO

0

Regular Expression
Python

r"
((?:\u23F1.\W|[\d]+)(\'|\s||)*(/|\||\[|-)+)|((/|\||\[)+(\s)*(?:\u23F1)*(\s)*[\d]{1,2}[^x](\s)*(min|mi|m)*)
"
gm

Description

Essa expressão regular captura os minutos (45' / 38min , etc..) em tweets dos times da série A durante as transmissões dos jogos do campeonato brasileiro da série A.

O padrão inclui uma enorme variedade de grafias diferentes (incluindo o emoticon do cronômetro), sendo o objetivo conseguir retornar a extração para todos os times, e esta expressão regular faz parte de um ecossistema de expressões regulares que suportam o pré-processamento de texto do projeto "Um futebol de emoções". Veja as outras regexes deste projeto:

TEMPOS DO JOGO: https://regex101.com/r/nIm80k/1

Com a aplicação do padrão, é possível filtrar e recuperar as reações somente dos tweets relativos a eventos do jogo, excluindo assim promoções e demais tweets que não contribuem para o entendimento da torcida.

Blog: http://www.dadoslivres.blog/2021/06/um-futebol-de-emocoes-wordclouds-em.html

GitHub https://github.com/leonardoparis/umfuteboldeemocoes

LinkedIn https://www.linkedin.com/in/leonardo-paris-b2b99927/

Submitted by Leonardo Paris - 3 years ago