Extract all hashtags from text

使用 Regular expression 擷取文字中的 Hashtag ( 主題標籤)

資料預先處理

• 因為連結包含 # 符號，所以需要事先移除連結文字。

擷取文字中的 Hashtag

• 需要處理「標點符號與特殊字元（例如 $ 和 %）」。僅處理部分符號的 PHP code: :

preg_match_all('/\B(#[^\s|\-|－|,|，|\[|\]|『|』|／|~|～|'|"|`|\(|\)|（|）|【|】|《|》|「|」|\<|\>|\=|\{|\}|！|\!|、|？|\?|：|…|\:|;|#|\.|．|。|\$|%|&|\*|\+|,|@|\^|\||\/]+)/ui', $string, $matches);

說明

• \B 比對非「英文字的邊界」，避免從 another#bad_hashtag 文字中擷取出 #bad_hashtag。
• \s 空白字元 (Whitespace character)

還需要處理以下狀況

illegal Hashtag
#12345
#___
#_
#__123

legal Hashtag
#1_abc
#_abc

references

延伸閱讀

1. 中文輸入法常用標點符號簡表
2. Unicode 表情圖案(emoji ) + 特殊符號字元一覽表＠WFU BLOG
3. Regex Tutorial - Unicode Characters and Properties
4. Unicode®字符百科