如何提取列表中被#符号包裹的成对内容集合？

解决思路 #

核心用状态标记区分是否处于两个#包裹的内容区间，遍历token过程中动态收集内容即可，完全不需要正则表达式：

• 用布尔变量in_tag标记当前是否在标签内容区间内，初始为False
• 用临时列表current_content存储当前正在收集的标签内容，初始为空
• 遍历每个token时，遇到#就切换状态，处于内容区间内的非#字符直接存入临时列表，遇到闭合#就把临时列表存入结果并清空

实现代码 #

tokens = ['0', '#', 'a', 'b', '#', '#', 'c', '#',  '#', 'g', 'h', 'g', '#']

in_tag = False
current_content = []
pair_list = []

for token in tokens:
    if token == '#':
        if in_tag:
            # 遇到闭合#，保存当前收集的内容
            pair_list.append(current_content)
            current_content = []
            in_tag = False
        else:
            # 遇到开启#，进入内容收集状态
            in_tag = True
    else:
        if in_tag:
            current_content.append(token)

# 输出验证
print(pair_list)

运行后输出结果和要求完全一致：[['a', 'b'], ['c'], ['g', 'h', 'g']]

业务场景适配验证 #

针对社交媒体哈希标签场景，比如句子I live in #United States# and #New York#!拆分后的token列表：

tokens = ['I', 'live', 'in', '#', 'United', 'States', '#', 'and', '#', 'New', 'York', '#', '!']

运行上述代码得到的结果为：[['United', 'States'], ['New', 'York']]，符合业务提取需求。

内容的提问来源于stack exchange，提问作者marlon