Java 正则表达式：将定制的 Hashtag 模式与前瞻/后瞻条件匹配

Question

我目前正在通过尝试匹配简单的 Hashtag 模式来学习如何在 Java 中编写正则表达式。 Hashtags 遵循以下条件：

1. 它以标签开头：#
2. 必须至少包含 1 个字母：[a-zA-Z]
3. 它可以包含 [a-zA-Z0-9_] 类中的任何字符
4. 前面不能有 [a-zA-Z0-9_] 类的字符

基于此，我认为正确的正则表达式是：

PATTERN = "(?<![a-zA-Z0-9_])#(?=.*[a-zA-Z])[a-zA-Z0-9_]+"

在这里，我使用前瞻 (?=.*[a-zA-Z]) 来确保条件 2 成立，并使用后瞻 (?<![a-zA-Z0-9_]) 来确保条件 4 成立。我不太确定以+ 结尾。

这适用于简单的测试用例，但不适用于复杂的测试用例，例如：

String text = "####THIS_IS_A_HASHTAG; ;#This_1_2...#12_and_this but not #123  or #this# #or#that";

其中不匹配 #THIS_IS_A_HASHTAG、#This_1_2 和 12_and_this

谁能解释我做错了什么？

Answer 1

这个前瞻：

(?=.*[a-zA-Z])

输入如下情况可能会产生错误的结果：

####12345...#12_and_this

为您提供 2 个匹配项 #12345 和 #12_and_this。而根据您的规则，只有 2nd 应该是有效匹配。

要解决此问题，您可以使用此正则表达式：

(?<![a-zA-Z0-9_])#(?=[0-9_]*[a-zA-Z])[a-zA-Z0-9_]+

其中的前瞻(?=[0-9_]*[a-zA-Z]) 表示在# 之后断言存在一个字母，其间可以有一个数字或下划线。

Here is a regex demo for you

Answer 2

这个怎么样？

(example here)

String text = "####THIS_IS_A_HASHTAG;;;#This_1_2...#12_and_this ";
String regex = "#[A-Za-z0-9_]+";

Matcher m = Pattern.compile(regex).matcher(text);

while (m.find()) {
  System.out.println(m.group());
}

它看起来符合您所述的条件：

#THIS_IS_A_HASHTAG
#This_1_2
#12_and_this