从PHP函数中的tweet中检索所有主题标签

Question

我想使用PHP函数从推文中检索所有主题标签.

我知道有人在这里问了一个类似的问题,但没有提示如何在PHP中实现这一点.由于我对正则表达式不是很熟悉,所以不知道如何编写一个函数来返回推文中所有主题标签的数组.

那么我该如何使用以下正则表达式执行此操作:

#\S*\w

Answer 1

$tweet = "this has a #hashtag a  #badhash-tag and a #goodhash_tag";

preg_match_all("/(#\w+)/", $tweet, $matches);

var_dump( $matches );

*破折号是标签的非法字符,允许使用下划线.

Answer 2

我创建了自己的解决方案.它确实:

• 查找字符串中的所有主题标签
• 删除重复的
• 排序关于文本中存在计数的主题标签

• 支持unicode字符

  function getHashtags($string) {  
      $hashtags= FALSE;  
      preg_match_all("/(#\w+)/u", $string, $matches);  
      if ($matches) {
          $hashtagsArray = array_count_values($matches[0]);
          $hashtags = array_keys($hashtagsArray);
      }
      return $hashtags;
  }
  

输出是这样的:

(
    [0] => #_ƒOllOw_
    [1] => #FF
    [2] => #neslitükendi
    [3] => #F_0_L_L_O_W_
    [4] => #takipede?erdost
    [5] => #GönüldenTakiple?iyorum
)

Answer 3

不要忘记包含unicode,数值和下划线的主题标签:

$tweet = "Valid hashtags include: #hashtag #NYC2016 #NYC_2016 #gøypålandet!";

preg_match_all('/#([\p{Pc}\p{N}\p{L}\p{Mn}]+)/u', $tweet, $matches);

print_r( $matches );

\ p {Pc} - 匹配下划线

\ p {N} - 任何脚本中的数字字符

\ p {L} - 来自任何语言的信件

\ p {Mn} - 任何非标记空间(重音符号,变音符号等)

Answer 4

试试这个正则表达式：

/#[^\s]*/i

或者，如果有多个哈希标签连接在一起（例如，＃foo＃bar），请使用此标签。

/#[^\s#]*/i

运行它的PHP看起来像：

preg_match_all('/#[^\s#]*/i', $tweet_string, $result);

结果是一个包含Tweet中所有标签的数组（保存为“ $ result”-第三个参数）。

最后，看看这个网站。我发现测试正则表达式非常方便。http://regex.larsolavtorvik.com/

编辑：我尝试了您的正则表达式，它也很好用！

编辑2：添加了另一个正则表达式以提取哈希标签，即使它们是连续的。