Regex für einen (Twitter-ähnlichen) Hashtag, der Nicht-ASCII-Zeichen erlaubt

Question

Ich möchte, dass ein Regex einem einfachen Hashtag wie dem in Twitter entspricht (z. B. #someword). Ich möchte, dass auch Nicht-Standard-Zeichen (wie in Spanisch, Hebräisch oder Chinesisch) erkannt werden.

Das war meine ursprüngliche Regex: (^|\s|\b)(#(\w+))\b
-> aber es nicht nicht Standardzeichen erkennen.
Dann versuchte ich mit XRegExp.js, die funktionierte, aber lief zu langsam.

Irgendwelche Vorschläge, wie es geht?

Answer 1

Schließlich fand ich das: twitter-text.js nützliche Link, die im Grunde ist, wie Twitter dieses Problem lösen.

Answer 2

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

Erläuterung: Dieser reguläre Ausdruck für ein # durch ein oder mehrere nicht-# Zeichen folgen suchen, gefolgt von 0 oder mehr Leerzeichen, Komma oder Semikolon.

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

Ergebnis:

["#hasta ", "#mañana ", "#babהַ"] 

EDIT - Ersetzt \ b für Wortgrenze

Answer 3

Mit nativer JS Regexes, die nicht Unicode unterstützen, ist die einzige Möglichkeit, um explizit Zeichen aufzuzählen, die enden kann der Tag und Spiel alles anderes, zum Beispiel:

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

die [\s.,:,] sollte Leerzeichen, Interpunktion und was auch immer als abschließendes Symbol betrachtet werden kann.