正则表达式使用ruby匹配句子中的主题标签
我正在尝试使用ruby on rails为一个简单的大学项目提取主题标签。 我面临的问题是标签只包含数字和没有空格的标签。
text = "Pack my #box with #5 dozen liquor.#jugs link.com/liquor#jugs #2good #first#second" 我有的正则表达式是/(?:^|\s)#(\w+)/i （ 来源 ）
这个正则表达式返回#["box", "5", "2good", "first"]
如何确保它只返回#["box", "2good"]并忽略其余部分，因为它们不是“真正的”主题标签？
你能试试这个正则表达式：
/(?:^|\s)(?:(?:#\d+?)|(#\w+?))\s/i
更新1：
在某些情况下，上述正则表达式不匹配：＃blah23blah和＃23blah23。 因此修改了正则表达式来处理所有情况。
正则表达式：
/(?:\s|^)(?:#(?!\d+(?:\s|$)))(\w+)(?=\s|$)/i
分解：
-
(?:\s|^)匹配前面的空格或行的开头。 不捕捉比赛。 -
#匹配哈希但不捕获。 -
(?!\d+(?:\s|$)))否定前瞻以避免＃和空格（或行尾）之间的所有数字字符 -
(\w+)匹配并捕获所有单词字符 -
(?=\s|$)– 正面前瞻以确保跟随空格或行尾。 这是确保它匹配相邻的有效哈希标记所必需的。
修改示例文本以捕获大多数情况：
#blah用＃5打＃＃good2＃3good酒包装我的#box＃jugs link.com/liquor#jugs＃mkvef214asdwq sd＃3e4 flsd＃2good＃first＃second＃3
火柴：
比赛1：等等
比赛2：框
比赛3：good2
比赛4：3好
第5场比赛：mkvef214asdwq
比赛6：3e4
比赛7：2好
Rubular链接
更新2：
要排除以下划线开头或结尾的单词，只需在否定前瞻中包含您的排除项，如下所示：
/(?:\s|^)(?:#(?!(?:\d+|\w+?_|_\w+?)(?:\s|$)))(\w+)(?=\s|$)/i
样本，正则表达式和匹配项记录在此Rubular链接中
我会这样做：
text.scan(/ #[[:digit:]]?[[:alpha:]]+ /).map{ |s| s.strip[1..-1] }
返回：
[ [0] "box", [1] "2good" ]
我不会尝试在正则表达式中做所有事情。 我更喜欢让它们尽可能简单，然后在我获得基本数据后过滤和毁坏。 我的理由是正则表达式更难以维持它们变得越复杂。 我宁愿把时间花在维护模式上。
试试这个：
/\s#([[\d]]?[[az]]+\s)/i
输出：
1.9.3-p194 :010 > text = "Pack my #box with #5 dozen liquor.#jugs link.com/liquor#jugs #2good #first#second" => "Pack my #box with #5 dozen liquor.#jugs link.com/liquor#jugs #2good #first#second" 1.9.3-p194 :011 > puts text.scan /\s#([[\d]]?[[az]]+\s)/i box 2good => nil