【发布时间】：2010-12-06 12:53:32
【问题描述】：
我正在尝试查找字符串中的所有哈希标记。主题标签来自 twitter 之类的流，它们可以位于文本中的任何位置，例如：
这是一个#awesome 事件，让我们使用 标签#fun
我正在使用 .NET 框架 (c#)，我认为这将是一个合适的正则表达式模式：
#\w+
这是最好的正则表达式吗？
【问题讨论】：
【发布时间】：2010-12-06 12:53:32
【问题描述】：
如果您从 Twitter 中提取包含主题标签的状态，则不再需要自己查找它们。您现在可以指定 include_entities 参数，让 Twitter 自动调出提及、链接和主题标签。
例如，对statuses/show进行以下调用：
http://api.twitter.com/1/statuses/show/60183527282577408.json?include_entities=true
在生成的 JSON 中，注意 entities 对象。
"entities":{"urls":[{"expanded_url":null,"indices":[68,88],"url":"http:\/\/bit.ly\/gWZmaJ"}],"user_mentions":[],"hashtags":[{"text":"wordpress","indices":[89,99]}]}
您可以使用上述方法来定位推文中的特定实体（出现在 indices 属性表示的字符串位置之间）并适当地转换它们。
如果您只需要正则表达式来定位主题标签，Twitter 会在 open source library 中提供这些。
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]*)
上述模式可以从this java 文件（检索 2015-11-23）拼凑而成。此模式的验证测试位于第 128 行附近的 this file。
在这里查看之前的答案并制作一些测试推文以查看 Twitter 喜欢什么之后，我想我想出了一个可靠的正则表达式，应该可以解决问题。它需要正则表达式引擎中的环视功能，因此它可能不适用于所有引擎。对于 .NET 和 PCRE，它应该仍然可以正常工作。
(?:(?根据 RegexBuddy，它执行以下操作：
再一次，根据 RegexBuddy，这是它匹配的内容：
任何突出显示的内容都是匹配的一部分。较暗的突出显示部分表示从捕获返回的内容。
2014 年 12 月编辑：
这是 zero323 的一个稍微简化的版本，在功能上应该是等效的：(?
【讨论】：
-
对于给定的问题，这是一个更好的解决方案。
-
使用
(?:(?<=\s)|^)而不是(?<=\s|^)有什么特别的原因吗？ -
@zero323 我不记得了，不。我在学习正则表达式时写了这个，所以当我不需要的时候我可能过于冗长了。
-
感谢@KevinMark 的回复。
-
@zero323 我的荣幸。
这取决于您是要匹配其他字符串中的主题标签（“Some#Word”）还是可能不是主题标签的内容（“We're #1”）。您提供的正则表达式 #\w+ 在这两种情况下都将匹配。如果您将您的正则表达式稍微修改为\B#\w\w+，您可以消除这些情况，并且只匹配单词边界上长度大于 1 的主题标签。
【讨论】：
-
谢谢你，我有点担心边缘情况会给我带来一些悲伤。
-
另外注意，这个正则表达式不会匹配“#tags-with-hyphens”，所以请记住...
-
也许
\b[^ .,)\]}]会是更好的选择。但这仍然需要在开头使用单词字符（字母/数字，iirc），\b才能工作。不过，我完全不知道如何在 Twitter 上使用“主题标签”。可能是我在这里大错特错了，除了连字符之外，它们通常包含标点符号。 -
\b#仅在#is 前面紧跟一个单词字符时才匹配。如果有的话，你想要相反的：\B#（\B== “一个不是单词边界的位置”）。 -
关注@Alan Moore。此处标记为正确的答案实际上并不正确，应该是
\B#\w\w+'。
我在推特上发布了一个带有随机放置的哈希标签的字符串，查看了 Twitter 用它做了什么，然后尝试用正则表达式匹配它。这是我得到的：
\B#\w*[a-zA-Z]+\w*
#face #Fa!ce something #iam#1 #1 #919 # jifdosaj somethin#idfsjoa 9#9#98 9#9f9j#9jlasdjl #jklfdsajl34 #34239 #jkf #a *#1j3rj3
【讨论】：
-
您的案例不支持#onetag#secondtag。这不应该是一个标签。
据我所知，这种模式效果最好。这里发布的其他人没有考虑到以数字开头的主题标签是无效的。请确保在提取主题标签时仅使用第二个捕获组。
(^|\s)#([A-Za-z_][A-Za-z0-9_]*)
请注意，由于性能损失，我还明确限制了前瞻和后瞻。
【讨论】：
-
我赞成这一点，因为它不需要后视并且在模式匹配上非常直截了当。
-
这不会捕获扩展字符，例如 ñ 和 ō。
【讨论】：
这是我写的，它查找单词边界并且只匹配哈希文本(?<=#)\w*?(?=\W)。
【讨论】：
/#((\w|[\u00C0-\uFFDF])+)/g
【讨论】：
我测试了一些推文，并意识到主题标签：
- 由字母数字字符加下划线组成。
- 必须至少包含 1 个字母或下划线。
- 可能包含点字符，但主题标签将被解释为指向外部站点的链接。 （我不考虑这个）
所以，这就是我所拥有的：
\B#(\w*[A-Za-z_]+\w*)
【讨论】：
-
这将匹配 Twitter 不认为是主题标签的“foobar”。
-
并且不匹配某些语言，例如#déjà