R：推特标签的正则表达式？ [复制]

Question

我正在尝试提出一个与 Twitter 主题标签匹配的正则表达式。 Twitter 主题标签具有以下规则：

1)它们不能包含空格，

2)它们不能包含标点符号

3) 它们不能以数字开头或仅使用数字。

这是我到目前为止提出的，但它仍然存在空格和标点字符的问题：

"#{1}[^0-9]*[^[::punct::]\\s]*?[A-z0-9]*?"

在这方面的任何帮助将不胜感激。谢谢！

Answer 1

你的正则表达式看起来有点复杂，你只需要匹配#，然后是一个字母，然后是字母数字字符。

您也不需要单个字符的量词。这应该有效：

#[a-zA-Z]\w*

如果您不允许使用下划线（它们是推文中的合法字符），请改用：

#[a-zA-Z][\da-zA-Z]*

看起来标签的真正规范是，下划线和数字在任何地方都有效，只要它们至少是一个字母。

所以这样会更好：

#\w*[a-zA-Z]\w*

Answer 2

此正则表达式仅捕获有效的主题标签：

(#[a-zA-Z]+[\w]?)(?:\s|$)