Python实现从字符串列表提取话题标签并保留空项

嘿，作为Python新手完全不用慌，这个需求其实挺典型的，咱们简单几步就能搞定！

首先，核心思路是用正则表达式精准匹配推文中的话题标签——毕竟话题标签都是以#开头的，规则很明确。下面直接上可运行的代码，我会一步步给你解释：

import re

def extract_hashtags(tweet):
    # 匹配所有以#开头的话题标签（支持字母、数字、下划线，符合常见格式）
    return re.findall(r'#\w+', tweet)

# 你的示例推文数据
sample_tweets = ["This is a string that needs processing #ugh #yikes", "this string doesn't have hashtags", "this is another one #hooray"]

# 生成对应话题标签列表
result = [extract_hashtags(tweet) for tweet in sample_tweets]

print(result)

代码解释： #

• re.findall(r'#\w+', tweet)：这个正则表达式会扫描整条推文，找出所有以#开头、后面跟着一个或多个字母/数字/下划线的内容，正好对应标准的话题标签格式。
• 列表推导式[extract_hashtags(tweet) for tweet in sample_tweets]：遍历你的推文列表，给每条推文调用提取函数，自动生成对应的结果列表——没有话题标签的推文自然返回空列表，完全符合你要和原数据关联的需求。

运行这段代码后，输出就是你想要的：

[['#ugh', '#yikes'], [], ['#hooray']]

小补充： #

如果你的实际数据里有带特殊字符的话题标签（比如#hello-world这种带连字符的），可以把正则改成r'#\S+'，这样会匹配所有#开头且后面不跟空格的内容，兼容性更广~

内容的提问来源于stack exchange，提问作者lespaul