如何从列表的列表中的元组第二个元素移除 ？求实现方案

我看你想移除嵌套列表里每个元组第二个元素的制表符，之前试了循环但没成功对吧？咱们来一步步搞定这个问题～

先看看你提供的原始代码和数据：

import re
regex = re.compile(r'[	]')
for sent in train_sents:
    for tuples in sent:
        print tuples[1]

# 你的数据结构大概是这样：
train_sents = [
    [('O', 'Identification	'), ('O', 'of	'), ('O', 'APC2,	'), ('O', 'a	'), ('O', 'homologue	'), ('O', 'of	'), ('O', 'the	'), ('B-DISEASE', 'adenomatous	'), ('I-DISEASE', 'polyposis	'), ('I-DISEASE', 'coli	'), ('I-DISEASE', 'tumour	'), ('O', 'suppressor	'), ('O', '.	')],
    [('O', 'The	'), ('B-DISEASE', 'adenomatous	'), ('I-DISEASE', 'polyposis	'), ('I-DISEASE', 'coli	'), ('I-DISEASE', '(	'), ('I-DISEASE', 'APC	'), ('I-DISEASE', ')	'), ('I-DISEASE', 'tumour	'), ('O', '-suppressor	'), ('O', 'protein	'), ('O', 'controls	'), ('O', 'the	'), ('O', 'Wnt	'), ('O', 'signalling	'), ('O', 'pathway	'), ('O', 'by	'), ('O', 'forming	'), ('O', 'a	'), ('O', 'complex	'), ('O', 'with	'), ('O', 'glycogen	'), ('O', 'synthase	'), ('O', 'kinase	'), ('O', '3beta	'), ('O', '(	'), ('O', 'GSK-3beta	'), ('O', ')	'), ('O', ',	'), ('O', 'axin	'), ('O', '/	'), ('O', 'conductin	'), ('O', 'and	'), ('O', 'betacatenin	'), ('O', '.	')]
]

问题出在哪？ #

你原来的循环只是打印了每个元组的第二个元素，但没有对数据做实际修改——而且Python里的元组是不可变类型，不能直接修改里面的元素，得生成新的元组，再重新构建整个嵌套列表才行。

可行的解决方法 #

这里给你两种方式，一种是简洁的列表推导式，一种是你想要的循环实现：

方法1：列表推导式（简洁高效）

import re
# 编译正则匹配制表符，也可以直接用 r'\t' 代替 r'[\t]'
regex = re.compile(r'\t')

# 生成处理后的新列表
processed_train_sents = [
    [(tag, regex.sub('', text)) for tag, text in sent]
    for sent in train_sents
]

方法2：循环实现（直观易懂）

如果你更倾向于用循环一步步处理，这样写：

import re
regex = re.compile(r'\t')

processed_train_sents = []
# 遍历外层的每个句子列表
for sent in train_sents:
    cleaned_sent = []
    # 遍历句子里的每个元组
    for tag, text in sent:
        # 移除第二个元素里的制表符，生成新元组
        cleaned_text = regex.sub('', text)
        cleaned_sent.append((tag, cleaned_text))
    # 把处理好的句子加入结果列表
    processed_train_sents.append(cleaned_sent)

额外小技巧 #

如果你的制表符只出现在每个文本的末尾，也可以不用正则，直接用str.strip('\t')来去除首尾的制表符，代码会更简单：

# 循环版本的简化
processed_train_sents = []
for sent in train_sents:
    cleaned_sent = []
    for tag, text in sent:
        cleaned_text = text.strip('\t')
        cleaned_sent.append((tag, cleaned_text))
    processed_train_sents.append(cleaned_sent)

处理完后，processed_train_sents就是你想要的、所有元组第二个元素都去掉制表符的嵌套列表啦～

内容的提问来源于stack exchange，提问作者user9737581