javascript - populares - Regex para un hashtag(tipo twitter) que permite caracteres no ASCII

hashtag twitter tendencias

Question

Quiero que una expresión regular coincida con un hashtag simple como el de Twitter (por ejemplo, #someword). También quiero reconocer caracteres no estándar (como los que están en español, hebreo o chino).

Esta fue mi expresión regular inicial: (^|/s|/b)(#(/w+))/b
-> pero no reconoce caracteres no estándar.
Entonces, traté de usar XRegExp.js , que funcionó, pero funcionó muy lentamente.

¿Alguna sugerencia de cómo hacerlo?

Answer 1

Con las expresiones regulares JS nativas que no son compatibles con Unicode, su única opción es enumerar explícitamente los caracteres que pueden finalizar la etiqueta y hacer coincidir todo lo demás, por ejemplo:

> s = "foo #הַתִּקְוָה. bar"
"foo #הַתִּקְוָה. bar"
> s.match(/#(.+?)(?=[/s.,:,]|$)/)
["#הַתִּקְוָה", "הַתִּקְוָה"]

El [/s.,:,] Debe incluir espacios, signos de puntuación y cualquier otra cosa que pueda considerarse un símbolo de terminación.

Answer 2

#([^#]+)[/s,;]*

Explicación: Esta expresión regular buscará un # seguido de uno o más caracteres que no sean # , seguido de 0 o más espacios, comas o puntos y comas.

var input = "#hasta #mañana #babהַ";
var matches = input.match(/#([^#]+)[/s,;]*/g);

Resultado:

["#hasta ", "#mañana ", "#babהַ"]

EDITAR - Reemplazó / b por límite de palabra

Answer 3

Eventualmente encontré esto: el enlace útil de twitter-text.js , que es básicamente cómo Twitter resuelve este problema.