使用正则表达式从非ASCII字符串中提取主题标签

Question

如何使用正则表达式从non-ASCII字符串中提取主题标签？

例如：

$str = #Hello #سلام #hello-again #سلام_دوباره #hello_again

我不会接受包含在主题标签中的! @ $ % ^ ♫ ►这样的不良字符。

我尝试了这个，但它接受了不好的字符：

preg_match_all('/#([^\s]+)/', $str, $matches);

它接受#►☻

Answer 1

您可以使用以下正则表达式：

'/#([\w-]+)/u'

见regex demo。 /u修饰符将允许处理Unicode符号，\w将匹配Unicode字母。

正则表达式分解：

• # - #符号
• ([\w-]+) - 一个或多个字母，数字，下划线或连字符。

请参阅IDEONE demo