按多个单词的主题标签拆分术语

我正在尝试拆分包含多个单词的主题标签的术语，例如“#I-am-great”或“#awesome-dayofmylife”
那么我正在寻找的输出是：

 I am great
 awesome day of my life

我所能实现的就是：

 >>> import re
 >>> name = "big #awesome-dayofmylife because #iamgreat"
 >>> name =  re.sub(r'#([^\s]+)', r'\1', name)
 >>> print name
 big awesome-dayofmylife because iamgreat

如果有人问我是否有可能的单词列表，那么答案是“否”，所以如果我能得到这方面的指导那就太好了。有NLP专家吗？

当然，上述所有评论者都是正确的：单词之间没有空格或其他明确分隔符的主题标签（尤其是英语）通常是不明确的，并且在所有情况下都无法正确解析。

然而，单词列表的想法实现起来相当简单，并且可能会产生有用的（尽管有时是错误的）结果，所以我实现了一个快速版本：

wordList = '''awesome day of my life because i am great something some
thing things unclear sun clear'''.split()

wordOr = '|'.join(wordList)

def splitHashTag(hashTag):
  for wordSequence in re.findall('(?:' + wordOr + ')+', hashTag):
    print ':', wordSequence   
    for word in re.findall(wordOr, wordSequence):
      print word,
    print

for hashTag in '''awesome-dayofmylife iamgreat something
somethingsunclear'''.split():
  print '###', hashTag
  splitHashTag(hashTag)

这打印：

### awesome-dayofmylife
: awesome
awesome
: dayofmylife
day of my life
### iamgreat
: iamgreat
i am great
### something
: something
something
### somethingsunclear
: somethingsunclear
something sun clear

正如你所看到的，它落入了 qstebom 为它设置的陷阱;-)

EDIT:

对上面代码的一些解释：

变量wordOr包含所有单词的字符串，由管道符号分隔（|）。在正则表达式中，这意味着“这些单词之一”。

首先findall获取一个模式，表示“一个或多个这些单词的序列”，因此它与“dayofmylife”之类的内容匹配。这findall找到所有这些序列，所以我迭代它们（for wordSequence in …）。对于每个单词序列，然后我搜索每个单词（也使用findall）在序列中并打印该单词。