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。

我知道有人问了类似的问题here，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] => #takipedeğerdost
    [5] => #GönüldenTakipleşiyorum
)

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

如果有多个哈希标签连接在一起（例如＃foo #bar），请使用此方法。

/#[^\s#]*/i

运行它PHP看起来像：

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

结果是一个包含Tweet中所有主题标签的数组（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：我尝试了你的正则表达式，它也很棒！

编辑2：添加另一个正则表达式来提取哈希标记，即使它们是连续的。

Answer 5

使用preg_match_all()函数：

function get_hashtags($tweet)
{
    $matches = array();
    preg_match_all('/#\S*\w/i', $tweet, $matches);
    return $matches[0];
}