最佳HashTag Regex

Question

我在试图找到字符串中的所有哈希标签。这些标签来自像twitter这样的流，它们可能在文本中的任何地方，比如：

这是一个非常棒的事件，让我们使用标记#乐趣

我使用的是.NET框架(c#)，我认为这是一个合适的regex模式：

#\w+

为了这个目的，这是最好的准则吗？

Answer 1

这取决于您是否希望匹配其他字符串("Some#Word")中的哈希标签，或者其他可能不是hashtag的东西(“我们是#1")。在这两种情况下，您给#\w+的正则表达式都将匹配。如果您将正则表达式稍微修改为\B#\w\w+，则可以消除这些情况，并且只匹配单词边界上长度大于1的哈希标签。

Answer 2

如果您正在从Twitter中提取包含hashtag的状态，您就不再需要自己找到它们了。您现在可以指定include_entities参数，让Twitter自动调用提及、链接和哈希标签。

例如，对状态/显示进行以下调用

entities=true

在得到的JSON中，注意实体对象。

"entities":{"urls":[{"expanded_url":null,"indices":[68,88],"url":"http:\/\/bit.ly\/gWZmaJ"}],"user_mentions":[],"hashtags":[{"text":"wordpress","indices":[89,99]}]}

您可以使用上面的内容来定位tweet中的特定实体(这些实体发生在由索引属性表示的字符串位置之间)，并对它们进行适当的转换。

如果您只需要正则表达式来定位hashtag，Twitter就会在开源库中提供这些信息。

哈希标签匹配模式

(^|[^&\p{L}\p{M}\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7])(#|\uFF03)(?!\uFE0F|\u20E3)([\p{L}\p{M}\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7]*[\p{L}\p{M}][\p{L}\p{M}\p{Nd}_\u200c\u200d\ua67e\u05be\u05f3\u05f4\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7]*)

以上模式可以从这 java文件(检索到的2015-11-23)拼凑在一起.此模式的验证测试位于第128行附近的这个文件中。

Answer 3

我在推特上发布了一个带有随机散列标签的字符串，看到了Twitter对它做了什么，然后尝试将它与正则表达式匹配。我得到的是：

B#\w*a-+\w*

# #Fa__!ce：#iam__#1 #1 #919 #jifdosaj somethin#idfsjoa 9#9#98 9#9f9j#9jlasdjl #jifdosaj 34 #34239 E 110#jkfE 211e 112aE 213E 114*#1j3rj3E 215E 215