在标点符号上拆分字符串（标签除外）

Question

如何在除＃字符之外的任何标点符号和空格处拆分字符串？tweet="I went on #Russia to see the world cup. We lost!"我想这样分割下面的字符串：["I", "went", "to", "#Russia", "to, "see", "the", "world", "cup", "We","lost"]我的尝试：p = re.compile(r"\w+|[^\w\s]", re.UNICODE)由于它创建的是“ Russia”而不是“ #Russia”，因此不起作用

Answer 1

具有re.findall功能：

tweet="I went on #Russia to see the world cup. We lost!"

words = re.findall(r'[\w#]+', tweet)

print(words)

输出：

['I', 'went', 'on', '#Russia', 'to', 'see', 'the', 'world', 'cup', 'We', 'lost']

Answer 2

使用 re.sub

前任：

import re

tweet="I went on #Russia to see the world cup. We lost!"

res = list(map(lambda x: re.sub("[^\w#]", "", x), tweet.split()))

print(res)

输出：

['I', 'went', 'on', '#Russia', 'to', 'see', 'the', 'world', 'cup', 'We', 'lost']