用Python从字符串中优雅地提取哈希标签的方法？

Question

我想要一个简单的方法，从一个给定的字符串中提取出以#开头的单词，形成一个集合（可以是列表、数组等等）。

在C#中，我会这样写：

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

那么在Python中，有什么比较优雅的写法呢？

编辑

示例输入："Hey guys! #stackoverflow really #rocks #rocks #announcement"
期望输出：["stackoverflow", "rocks", "announcement"]

Answer 1

正则表达式对象的 findall 方法可以一次性找到所有匹配的内容：

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

Answer 2

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

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

这个版本会去掉所有空字符串（因为我在评论中看到有人提到这个问题）以及那些只有"#"的字符串。此外，像Bertrand Marron的代码那样，把它变成一个集合会更好（这样可以避免重复，并且查找速度是O(1)）。

Answer 3

根据@inspectorG4dget的回答，如果你想要去掉重复的内容，可以用集合推导式来代替列表推导式。

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

需要注意的是，{ }这种集合推导式的写法从Python 2.7开始才支持。
如果你使用的是较旧的版本，可以先用列表推导式（[ ]）生成列表，然后再把这个列表传给set函数，正如@Bertrand建议的那样。