如何获取字符串中的第一个单词答案

【问题标题】：How to get the first word in the string如何获取字符串中的第一个单词
【发布时间】：2012-11-24 20:59:19
【问题描述】：

文字是：

WYATT    - Ranked # 855 with    0.006   %
XAVIER   - Ranked # 587 with    0.013   %
YONG     - Ranked # 921 with    0.006   %
YOUNG    - Ranked # 807 with    0.007   %

我只想得到

WYATT
XAVIER
YONG
YOUNG

我试过了：

(.*)?[ ]

但它给了我：

WYATT    - Ranked

【问题讨论】：

标签： python regex

【解决方案1】：

使用这个正则表达式

^\w+

\w+ 匹配 1 到多个字符。

\w 类似于[a-zA-Z0-9_]

^ 描述字符串的开头

关于您的正则表达式

如果您不想要空格，您的正则表达式 (.*)?[ ] 应该是 ^(.*?)[ ] 或 ^(.*?)(?=[ ])

【讨论】：

【解决方案2】：

为此不需要正则表达式。只需使用some_string.split(' ', 1)[0] 或some_string.partition(' ')[0]。

【讨论】：

如果单词被其他字符（例如制表符）分隔则不会。
只要用同一个字符分隔就可以了。只需切换到'\t'。确实，如果您有多个分隔符，它将无法工作，尽管即使有 2 或 3 个分隔符，使用 split 或 partition 代替正则表达式也不会很困难。
如果多个空格分隔第一个单词，some_string.split(None, 1)[0] 将起作用。
想象一下你真的想要第一个单词而不假设它是拆分数组中的第一项。想象一下 my_string = "1 2 3 4 最酷的"。我有很多东西的正则表达式，但没有一个给定字符串会返回“最酷”的东西。我不认为拆分是有意义的，因为“返回第一个单词”没有说明该作品在单词列表中的隐含顺序。
您也可以使用firstword, leftoverstring = some_string.split(' ', 1)获取剩余字符串

【解决方案3】：

您不需要正则表达式在空格上拆分字符串：

In [1]: text = '''WYATT    - Ranked # 855 with    0.006   %
   ...: XAVIER   - Ranked # 587 with    0.013   %
   ...: YONG     - Ranked # 921 with    0.006   %
   ...: YOUNG    - Ranked # 807 with    0.007   %'''

In [2]: print '\n'.join(line.split()[0] for line in text.split('\n'))
WYATT
XAVIER
YONG
YOUNG

【讨论】：

【解决方案4】：

不需要regex。 string[: string.find(' ')]

【讨论】：

我认为这比split 或partition 更深奥一点。您是否以这种方式获得有意义的性能或内存增益？您基本上必须使用它两次迭代到令牌的第一个实例，但另一方面，您不会得到刚刚丢弃的新尾字符串...
@sr2222 是的，它必须迭代两次，但不是遍历所有字符串。
split 和 partition 都没有令牌限制。
这种方法是一个很好的优化，但如果 OP 希望它在第一个单词是整个字符串时工作，它就不能很好地工作。如果没有找到空格，string.find 返回-1，删除最后一个字符。

【解决方案5】：

你应该这样做：

print line.split()[0]

【讨论】：

我同意。但小的优化提示：print line.split(' ', 1)[0]。这将拆分限制为第一个单词。
这里的“1”是做什么的？
@algorythms 找到第一个拆分字符后短路，所以不要遍历字符串的尾部。

【解决方案6】：

如果你想感觉特别狡猾，你可以这样写：

(firstWord, rest) = yourLine.split(maxsplit=1)

这应该是两全其美：

使用maxsplit 进行优化调整，同时使用任何空格进行分割
提高了可靠性和可读性，如argued by the author of the technique。

我有点爱上了这个解决方案，它具有一般的拆包能力，所以我不得不分享它。

【讨论】：

在 python2 中，你可能无法使用关键字参数，所以你可能想像firstWord, rest = yourLine.split(None, 1) 这样失去一些可读性。
我喜欢这个，简洁。如果您不想要该行的其余部分，您可以使用(firstWord, *_) = yourLine.split(maxsplit=1)。使用*_ 而不是_，因为split() 根据maxsplit 参数返回可变数量的参数，这将使您适应未来。
@HuwWalters 我不明白为什么在使用maxsplit=1 时使用* 保护自己，结果数量有限。
因为它可以帮助您避免编码错误。如果您更改了maxsplit 值，但未能添加额外的元组元素来解包额外的值，如(firstWord, rest) = yourLine.split(maxsplit=2)，您将得到ValueError: too many values to unpack。额外的好处是您不会创建未使用的变量rest。