正则表达式（类似Twitter）标签，允许非ASCII字符

Question

我想要一个正则表达式匹配一个像twitter中那样的简单主题标签（例如#someword）。我希望它也能识别非标准字符（如西班牙语，希伯来语或中文字符）。

这是我最初的正则表达式：(^|\s|\b)(#(\w+))\b
- ＆GT;但它不识别非标准字符 然后，我尝试使用XRegExp.js，虽然有效，但运行速度太慢。

有关如何操作的建议吗？

Answer 1

最终我发现了这个：twitter-text.js有用的链接，这基本上就是twitter如何解决这个问题。

Answer 2

对于不支持unicode的原生JS正则表达式，您唯一的选择是显式枚举可以结束标记并匹配其他所有内容的字符，例如：

> s = "foo #הַתִּקְוָה. bar"
"foo #הַתִּקְוָה. bar"
> s.match(/#(.+?)(?=[\s.,:,]|$)/)
["#הַתִּקְוָה", "הַתִּקְוָה"]

[\s.,:,]应包含空格，标点符号以及其他可被视为终止符号的内容。

Answer 3

#([^#]+)[\s,;]*

说明：此正则表达式将搜索#后跟一个或多个非#字符，后跟0或更多空格，逗号或分号。

var input = "#hasta #mañana #babהַ";
var matches = input.match(/#([^#]+)[\s,;]*/g);

结果：

["#hasta ", "#mañana ", "#babהַ"]

编辑 - 将\ b替换为字边界