使用正则表达式从句子中解析＃标签

Question

我想从句子中提取标签。对于EG- 如果句子是

#test1.#test2 #test3 www.google.com/#test4 www.google.com/hello#test5 

的主题标签将

#test1 
#test2 
#test3 

但不TEST4＃或＃TEST5，因为它们的URL

我试图让正则表达式的一部分为了这。到现在我有

/(^|\s)#(\w+)\b/g 

https://regex101.com/r/WPeSdE/1

这需要照顾＃TEST1和TEST3＃，但未能得到＃TEST2。

请帮忙。

Answer 1

需要非常复杂的正则表达式来支持我需要的东西。 最后，现在我结束了使用twitter.txt库的hashtag函数。处理所有我坚持的情况。

Answer 2

匹配的网址和匹配并捕获的主题标签，只是抢第1组内容：

/\b(?:(?:https?|ftps?):\/\/|www\.)\S+|#(\w+)\b/gi 

见regex demo。

详细：

• \b(?:(?:https?|ftps?):\/\/|www\.)\S+ - 像模式的网址：
  • \b - 单词边界
  • （：（？：？？？HTTPS | FTPS）：// | WWW 。） - - ：
    • (?:https?|ftps?):\/\/ - http://或https://（或具有ftp/ftps相同）
    • www\. - 或www.
  • \S+ - 1以上字符，除空白
• | - 或
• #(\w+)\b - 散列符号，则第1组捕获一个或多个字符（hashtag），后跟一个字边界。

请参见下面的JS演示：

var rx = /\b(?:(?:https?|ftps?):\/\/|www\.)\S+|#(\w+)\b/gi; 
 
var str = `#test1.#test2 #test3 www.google.com/#test4 www.google.com/hello#test5`; 
 
var m, res =[]; 
 
while ((m = rx.exec(str)) !== null) { 
 
    if (m[1]) res.push(m[1]); 
 
} 
 
console.log(res);