Question

我想找到所有附有＃的单词。我试过了：

import re
text = "I was searching my #source to make a big desk yesterday."
re.findall(r'\b#\w+', text)

但它不起作用......

Answer 1

这是一个小的正则表达式：

>>> import re
>>> s = "I was searching my #source to make a big desk yesterday."
>>> re.findall(r"#(\w+)", s)
['source']

如果要包含主题标签，请使用：

>>> re.findall(r"#.\w+", s)
['#source']

Answer 2

您可以使用：

re.findall(r"#.+?\b", text)

给出：

['#source']

这是regex101的链接，可以深入了解每个部分的作用。

基本上发生的事情是：

#表示从字面上捕获'#'字符
然后我们说要匹配任何字符.
但+表示捕获一个或多个
然后?开始与以下任何内容的非贪婪匹配
\b是一个字边界，表示何时停止查找

<强>更新

正如@AnthonySottile所指出的那样，上述regex会失败，即：

hello#fred

在不应该匹配时进行匹配。

要解决此问题，可以在/s的前面添加regex，以确保#位于某个空格之后，但是在这种情况下会失败其中hashtag恰好位于字符串的开头。 /b也不足以使#使主题标签不算作单词。

所以，为了解决这些问题，我提出了这个相当丑陋的解决方案，即在执行findall之前在字符串的开头添加一个空格：

re.findall(r"\s(#.+?)\b", " " + text)

我知道这不是很整洁，但确实没有其他方法可以做到。我尝试在开始时使用OR来匹配空格或字符串的开头，如(^|\s)中所示，但这将在列表中生成多个组（作为元组），从{{ 1}}所以需要一些后处理，甚至更少整洁。

Answer 3

您不需要正则表达式来解决此问题：

text = "I was searching my #source to make a big desk yesterday."
final_text = [i for i in text.split() if i.startswith('#')]

输出：

['#source']

然而，这个正则表达式将起作用：

import re
text = "I was searching my #source to make a big desk yesterday."
final_text = filter(lambda x:x, re.findall('(?<=^)|(?<=\s)#\w+(?=\s)|(?=$)', text))

输出：

['#source']

用＃找到所有单词

3 个答案: