Элегантный способ получить хэштеги из строки в Python?

Я ищу чистый способ получить набор (список, массив, что угодно) слов, начиная с # внутри данной строки.

В C#, я бы написал

var hashtags = input
    .Split (' ')
    .Where (s => s[0] == '#')
    .Select (s => s.Substring (1))
    .Distinct ();

что такое сравнительно элегантный код для этого в Python?

редактировать

пример ввода: "Hey guys! #stackoverflow really #rocks #rocks #announcement"
Ожидаемый результат:["stackoverflow", "rocks", "announcement"]

6
hashtag list-comprehension python string

6 ответов

С @inspectorG4dget это, если вы не хотите дубликатов, вы можете использовать set comprehensions вместо list comprehensions.

>>> tags="Hey guys! #stackoverflow really #rocks #rocks #announcement"
>>> {tag.strip("#") for tag in tags.split() if tag.startswith("#")}
set(['announcement', 'rocks', 'stackoverflow'])

отметим, что { } синтаксис для выделения работает только начиная с Python 2.7.
Если вы работаете со старыми версиями, понимание списка каналов ([ ]) вывод как предложено @Bertrand.

17
[i[1:] for i in line.split() if i.startswith("#")]

эта версия избавится от любых пустых строк (как я прочитал такие проблемы в комментариях) и строк, которые только "#". Также, как в Бертран Марронкод, лучше превратить это в набор следующим образом (чтобы избежать дубликатов и для O (1) время поиска):

set([i[1:] for i in line.split() if i.startswith("#")])
15

на findall метод объекты регулярных выражений может получить их все сразу:

>>> import re
>>> s = "this #is a #string with several #hashtags"
>>> pat = re.compile(r"#(\w+)")
>>> pat.findall(s)
['is', 'string', 'hashtags']
>>>
8

Я бы сказал 

hashtags = [word[1:] for word in input.split() if word[0] == '#']

Edit: это создаст набор без каких-либо дубликатов.

set(hashtags)
7

другой вариант-regEx:

import re

inputLine = "Hey guys! #stackoverflow really #rocks #rocks #announcement"

re.findall(r'(?i)\#\w+', inputLine) # will includes #
re.findall(r'(?i)(?<=\#)\w+', inputLine) # will not include #
1

есть некоторые проблемы с Здесь представлены ответы.

  1. {tag.полоса ( " # " ) для тегов в тегах.сплит() если тег.startswith ("#")}

    [i[1:] для i в строке.split() if i.startswith ("#")]

не работает, если у вас есть хэштег, такой как' #one#two#'

2 re.compile(r"#(\w+)") не будет работать для многих языков unicode (даже с использованием re.UNICODE)

Я видел больше способов извлечения хэштега, но не нашел ответа на все случаи

поэтому я написал небольшой код python для обработки большинства случаев. это работает на меня.

def get_hashtagslist(string):
    ret = []
    s=''
    hashtag = False
    for char in string:
        if char=='#':
            hashtag = True
            if s:
                ret.append(s)
                s=''           
            continue

        # take only the prefix of the hastag in case contain one of this chars (like on:  '#happy,but i..' it will takes only 'happy'  )
        if hashtag and char in [' ','.',',','(',')',':','{','}'] and s:
            ret.append(s)
            s=''
            hashtag=False 

        if hashtag:
            s+=char

    if s:
        ret.append(s)

    return set(ret)
0