我想要一个正则表达式来匹配 twitter 中的简单主题标签（例如 #someword）。我还希望它能够识别非标准字符（如西班牙语、希伯来语或中文）。
这是我最初的正则表达式：(^|\s|\b)(#(\w+))\b
--> 但它不能识别非标准字符。
然后，我尝试使用XRegExp.js，它可以工作，但运行速度太慢。
有什么建议吗？
【问题讨论】：
标签： javascript regex twitter hashtag unicode-string
最终我找到了这个：twitter-text.js 有用的链接，这基本上是 twitter 解决这个问题的方法。
【讨论】：
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、标点符号和任何其他可被视为终止符号的内容。
【讨论】：
#([^#]+)[\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 个或多个空格、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 替换为单词边界
【讨论】：
+ 后面的? 只是表示在尝试匹配所有非哈希字符时“不要太贪心”。
\b是一个零长度断言，在单词字符和非单词字符之间为真