Python中元组列表处理求助：提取字符串内首个目标单词

别担心那个u'标记！它是Python 2里用来表示Unicode字符串的语法——在Python 3里，所有字符串默认都是Unicode类型，所以这个标记完全不影响你处理内容，把它当成普通字符串就行～

针对你的需求，这里有两种简单的实现方式：

方法一：字符串分割法（格式固定时首选） #

如果每个字符串的格式都是数字*"单词" + ...这种固定模式，直接用字符串分割就能快速提取目标：

# 你的原始列表
original_list = [(2, u'0.267*"sugar" + 0.266*"bad"'), (0, u'0.222*"father" + 0.222*"likes"')]

# 列表推导式提取首个单词
result = [item[1].split('*"')[1].split('"')[0] for item in original_list]

print(result)  # 输出: ['sugar', 'father']

原理很简单：

1. 用*"分割字符串，得到的第二个元素就是"sugar" + ...这样的片段
2. 再用"分割这个片段，第一个元素就是我们要的单词

方法二：正则表达式法（格式灵活时首选） #

如果字符串的格式可能有变化（比如引号是单引号、符号位置不同），用正则表达式匹配会更稳健：

import re

original_list = [(2, u'0.267*"sugar" + 0.266*"bad"'), (0, u'0.222*"father" + 0.222*"likes"')]

# 匹配第一个被双引号包裹的内容
result = [re.search(r'"([^"]+)"', item[1]).group(1) for item in original_list]

print(result)  # 输出: ['sugar', 'father']

正则表达式"([^"]+)"的含义是：匹配双引号，然后捕获所有不是双引号的字符，直到遇到下一个双引号——这样就能精准提取第一个被引号包裹的单词。

内容的提问来源于stack exchange，提问作者user2189002