在python中第n次出现主题标签之前用单词拆分字符串答案

【问题标题】：Split string in words before nth occurrence of hashtags in python在python中第n次出现主题标签之前用单词拆分字符串
【发布时间】：2016-03-03 10:37:28
【问题描述】：

我在 Python 中使用以下代码将字符串拆分为单词：

keywords=re.sub(r'[][)(!,;]', ' ', str(row[0])).split()

想象输入是：

"Hello #world I am in #London and it is #sunny today"

我需要将其拆分为仅在出现第二个标签之前，不需要拆分其余部分，这意味着输出应该是：

['Hello','#world','I','am','in']

有没有办法在Python中以这种方式将字符串拆分为关键字？

【问题讨论】：

您的拆分也在结果中的空白处

标签： python regex string

【解决方案1】：

str.find取一个起始位置，所以当你找到第一个使用该索引 + 1 t 时开始寻找第二个然后拆分该子字符串：

s = "Hello #world I am in #London and it is #sunny today"
i =  s.find("#", s.find("#") + 1)
print(s[:i].split())
['Hello', '#world', 'I', 'am', 'in']

你也可以对 index 做同样的事情：

s = "Hello #world I am in #London and it is #sunny today"
i =  s.index("#", s.index("#") + 1)
print(s[:i].split())

如果子字符串不存在，则索引的差异将引发错误。

【讨论】：

【解决方案2】：

split 方法接受一个字符作为分割依据，否则它会在空格处分割。

string_to_split = "Hello #world I am in #London and it is #sunny today"
# Split on all occurrences of #
temp = string_to_split.split("#")
# Join the first two entries with a '#' and remove any trailing whitespace
temp_two = '#'.join(temp[:2]).strip()
# split on spaces
final = temp_two.split(' ')

在终端运行：

>>> string_to_split = "Hello #world I am in #London and it is #sunny today"
>>> temp = string_to_split.split("#")
>>> temp_two = '#'.join(temp[:2]).strip()
>>> final = temp_two.split(' ')
>>> final
['Hello', '#world', 'I', 'am', 'in']

编辑：将 [2:] 固定为 [:2] 我总是把它们弄混

编辑：修复了多余的空格问题

【讨论】：

非常感谢，我认为这个答案更接近我的需要，只是考虑到大量字符串作为输入的时间复杂度，我不确定它是否是最优的？

【解决方案3】：

交互式python：

>>> str="Hello #world I am in #London and it is #sunny today"
>>> hash_indices=[i for i, element in enumerate(str) if element=='#']
>>> hash_indices
[6, 21, 39]
>>> str[0:hash_indices[1]].split()
['Hello', '#world', 'I', 'am', 'in']
>>> str[hash_indices[1]:]
'#London and it is #sunny today'
>>>

【讨论】：

【解决方案4】：

正则表达式和拆分

source = "Hello #world I am in #London and it is #sunny today"
reg_out = re.search('[^#]*#[^#]*#', source)
split_out = reg_out.group().split()
print split_out[:-1]

O/P:['Hello', '#world', 'I', 'am', 'in']

【讨论】：