使用正则表达式在字符串末尾删除所有未指定的主题标签

Question

我有一个正则表达式，几乎可以按我的意愿工作，但我需要有关如何仅在字符串末尾删除除选定主题标签之外的所有主题标签的建议。

现在我有以下内容：

preg_replace('/(?!#hashtag|#DoNotRemoveThis)(#[\w-]+)/', '', $post_caption);

输入（去掉粗体）： 字符串中间的任何#hashtag 都不应被删除，无论它是什么，例如#DoNotRemoveThis #KeepThisHashtag 和字符串末尾的任何主题标签都应该被删除，除非它与正则表达式中的异常匹配。 #deletethis #DoNotRemoveThis #thismustgoaway

想要的输出： 字符串中间的任何#hashtag 都不应被删除，无论它是什么，例如#DoNotRemoveThis #KeepThisHashtag 和字符串末尾的任何主题标签都应该被删除，除非它与正则表达式中的异常匹配。 #DoNotRemoveThis

唯一的问题是它还会删除字符串中间未指定的主题标签——我希望字符串中的所有主题标签保持完整，并删除末尾的所有主题标签（排除的主题标签除外）。

请查看现场示例以获得更好的理解：https://regex101.com/r/A0Ebor/1

Answer 1

你可以使用

'/#(?!(?:hashtag|DoNotRemoveThis)\b)[\w-]+(?=(?:\s+#[\w-]+)*\s*$)/iu'

请参阅regex demo。

详情

• # - 一个井号
• (?!(?:hashtag|DoNotRemoveThis)\b) - 如果有 hashtag 或 DoNotRemoveThis 后跟单词边界，则匹配失败
• [\w-]+ - 1 个或多个单词字符或连字符
• (?=(?:\s+#[\w-]+)*$) - 仅在当前位置的右侧有以下内容时才返回匹配项：
  • (?:\s+#[\w-]+)* - 零个或多个序列：
    • \s+ - 1+ 个空格
    • #[\w-]+ - 哈希 + 一个或多个单词字符或连字符
  • \s* - 0+ 个空格（以防有尾随空格）
  • $ - 字符串结尾（可以用换行符继续，如果不是预期的，请替换为\z）

末尾的/i 将使模式不区分大小写。

我假设 hastags 以单词 char 结尾，因此，\b。如果您想匹配除以hashtag 或DoNotRemoveThis 开头的标签以外的任何标签，请删除。

uUNICODE 修饰符使正则表达式能够很好地处理输入字符串中的所有 Unicode 字母和数字，并且还使 \w 能够识别 Unicode（它将匹配所有 Unicode 字母、数字和 _ 字符）。

如果我们要谈论优化和提高模式效率，在 PCRE 中，检查hashtag 和DoNotRemoveThis 是有意义的在之后，我们匹配#，后跟单词/连字符。但是，要使其正常工作，我们需要

• 在 PCRE 正则表达式中将环视拆分为多个环，因此无法使用交替（这会导致后视长度未知且不支持此类后视）
• 在#[\w-]+ 模式上使用原子组，即。 (?>#[\w-]+) 或所有格量词 ++（即 #[\w-]++ 禁用回溯到模式中。

因此，您可以使用 Casimir 的答案中的模式或原子组变体：

'/#(?>[\w-]+)(?<!#hashtag|#DoNotRemoveThis)(?=(?:\s+#[\w-]+)*\s*$)/ui'

见another regex demo。

Answer 2

你可以用这个：

~#[\w-]++(?<!#hashtag|#DoNotRemoveThis)(?=(?:\s+#[\w-]+)*+\s*$)\s*~

demo

详情：

~
#[\w-]++   # match a hashtag (and forbids backtracking using a possessive quantifier)
(?<!#hashtag|#DoNotRemoveThis) # check if the tag isn't forbidden
(?=(?:\s+#[\w-]+)*+\s*$) # check if the tag is followed by eventual other tags until the end
\s* # match an eventual trailing whitespace
~