ハッシュタグで許可される文字


1

ハッシュタグを検証する正規表現(C#で)を調べるのは本当に苦労しています。 \wは、特殊文字が欠落しているだけでは不十分です(ä、ö、ø、æ、å、初心者だけでなく他の多くの外国人キャラクターも)

Twitterの主なハッシュタグをサポートする必要があります。しかし、他のプロバイダからも、将来的に

マイベストショット(今のところ)です。^#[a-zA-Z_0-9\u00C0-\u02AF]+$(C#の正規表現)

私は、任意のTwitterからまともなマニュアルまたはこのことについて誰を見つけることができません。

  • 私が見逃したドキュメンテーション?
  • または、ハッシュタグの有効な文字として含めるべきユニコード範囲を知っている人はいますか?
  • ANDハッシュタグのサポート間に違いがあるかどうかは誰にでも教えてください。 Twitter、Instagram、Facebookなど?

更新 私はC#は私がこれを必要とする唯一の言語ではないことに注意してください。正確な仕様のためにこのように必要。

  0

私は非常に包括的であると考え、ここで答え:HTTPがあります://stackoverflow.com/questions/1563844/best-hashtag-regex 27 4月. 162016-04-27 16:26:06

  0

Twitterのハッシュタグについては、 '@ \ w +'で十分です。 C#を使用していて、すべてのUnicode文字に一致する必要がある場合、それは '\ w'と一致します(すべて'łóżźагорпл'など) 27 4月. 162016-04-27 17:05:11

+1

説明するだけです:['@ \ w +'](http://regexstorm.net/テスター?p =%40%5cw%2b&i =%40%c3%a4%c3%b6%c3%b8%c3%a6%c3%a5) 27 4月. 162016-04-27 17:47:56

  0

@Wiktorまず第一に私の質問に答えません。第二に、偽陽性がないことを保証できますか?しかし、C#が私が必要とする唯一の言語ではないことを明確にする必要があることは明らかです。 27 4月. 162016-04-27 21:11:06

  0

@ceekaysありがとう。私はそれを調べ、有用であればこれを閉じます。 27 4月. 162016-04-27 21:13:00

  0

はい、私は各言語の調整が必要です。そのため、Unicodeの範囲を知ることは、多くの言語で正規表現を同様に実装できるようになるため、大きな助けになります。 27 4月. 162016-04-27 21:57:00

  0

あなたはどの言語をカバーする必要があるのか​​教えてください。 27 4月. 162016-04-27 22:42:32

  0

@WiktorStribiżew主にC#とJavascriptですが、おそらくPythonもあります。あなたがリンクしているJavaライブラリは素晴らしいと思われます。私はC#の実装があったと思います。 28 4月. 162016-04-28 09:20:20

  0

@beruic:下の正規表現は非常に近いと考えています。少なくとも、Javaプロジェクトで指定されたすべてのテストケースを渡します。 JavaScriptでは、以下に示す文字クラスを使用してください。これらのクラスから動的正規表現を構築する場合は、二重エスケープを使用します。また、すべてのUnicode空白をすでにカバーしているので、JSの '\ s'に特定のクラスを使用する必要はありません。 28 4月. 162016-04-28 09:24:00

  0

Pythonでは、最良の方法は、 '\ p {L}'と他のUnicodeカテゴリクラスをサポートするPyPi 'regex'モジュールでPython 3を使うことです。 Python 3は、一般にPython 2よりもはるかに優れたUnicodeを処理します。 28 4月. 162016-04-28 09:33:17

1

クイック・アンド・ダーティ簡体アプローチここ

nice-read from Twitter eng teamです:

公平であるために、Twitterのチームは、標準を持っています。たとえ自分で使っていないとしても。

テストケースおよびその他の有益な情報は、https://github.com/twitter/twitter-text/blob/master/java/tests/com/twitter/RegexTest.javaにあります。 Acc。

(^|\s)([##][\w\u05be\u05f3\u05f4]*[\p{L}_]+[\w\u05be\u05f3\u05f4]*) 

は、あなたが任意の言語でこれを使用することができるようにしたいので、ちょうど\p{L}

[A-Za-z\xAA\xB5\xBA\xC0-\xD6\xD8-\xF6\xF8-\u02C1\u02C6-\u02D1\u02E0-\u02E4\u02EC\u02EE\u0370-\u0374\u0376\u0377\u037A-\u037D\u037F\u0386\u0388-\u038A\u038C\u038E-\u03A1\u03A3-\u03F5\u03F7-\u0481\u048A-\u052F\u0531-\u0556\u0559\u0561-\u0587\u05D0-\u05EA\u05F0-\u05F2\u0620-\u064A\u066E\u066F\u0671-\u06D3\u06D5\u06E5\u06E6\u06EE\u06EF\u06FA-\u06FC\u06FF\u0710\u0712-\u072F\u074D-\u07A5\u07B1\u07CA-\u07EA\u07F4\u07F5\u07FA\u0800-\u0815\u081A\u0824\u0828\u0840-\u0858\u08A0-\u08B4\u0904-\u0939\u093D\u0950\u0958-\u0961\u0971-\u0980\u0985-\u098C\u098F\u0990\u0993-\u09A8\u09AA-\u09B0\u09B2\u09B6-\u09B9\u09BD\u09CE\u09DC\u09DD\u09DF-\u09E1\u09F0\u09F1\u0A05-\u0A0A\u0A0F\u0A10\u0A13-\u0A28\u0A2A-\u0A30\u0A32\u0A33\u0A35\u0A36\u0A38\u0A39\u0A59-\u0A5C\u0A5E\u0A72-\u0A74\u0A85-\u0A8D\u0A8F-\u0A91\u0A93-\u0AA8\u0AAA-\u0AB0\u0AB2\u0AB3\u0AB5-\u0AB9\u0ABD\u0AD0\u0AE0\u0AE1\u0AF9\u0B05-\u0B0C\u0B0F\u0B10\u0B13-\u0B28\u0B2A-\u0B30\u0B32\u0B33\u0B35-\u0B39\u0B3D\u0B5C\u0B5D\u0B5F-\u0B61\u0B71\u0B83\u0B85-\u0B8A\u0B8E-\u0B90\u0B92-\u0B95\u0B99\u0B9A\u0B9C\u0B9E\u0B9F\u0BA3\u0BA4\u0BA8-\u0BAA\u0BAE-\u0BB9\u0BD0\u0C05-\u0C0C\u0C0E-\u0C10\u0C12-\u0C28\u0C2A-\u0C39\u0C3D\u0C58-\u0C5A\u0C60\u0C61\u0C85-\u0C8C\u0C8E-\u0C90\u0C92-\u0CA8\u0CAA-\u0CB3\u0CB5-\u0CB9\u0CBD\u0CDE\u0CE0\u0CE1\u0CF1\u0CF2\u0D05-\u0D0C\u0D0E-\u0D10\u0D12-\u0D3A\u0D3D\u0D4E\u0D5F-\u0D61\u0D7A-\u0D7F\u0D85-\u0D96\u0D9A-\u0DB1\u0DB3-\u0DBB\u0DBD\u0DC0-\u0DC6\u0E01-\u0E30\u0E32\u0E33\u0E40-\u0E46\u0E81\u0E82\u0E84\u0E87\u0E88\u0E8A\u0E8D\u0E94-\u0E97\u0E99-\u0E9F\u0EA1-\u0EA3\u0EA5\u0EA7\u0EAA\u0EAB\u0EAD-\u0EB0\u0EB2\u0EB3\u0EBD\u0EC0-\u0EC4\u0EC6\u0EDC-\u0EDF\u0F00\u0F40-\u0F47\u0F49-\u0F6C\u0F88-\u0F8C\u1000-\u102A\u103F\u1050-\u1055\u105A-\u105D\u1061\u1065\u1066\u106E-\u1070\u1075-\u1081\u108E\u10A0-\u10C5\u10C7\u10CD\u10D0-\u10FA\u10FC-\u1248\u124A-\u124D\u1250-\u1256\u1258\u125A-\u125D\u1260-\u1288\u128A-\u128D\u1290-\u12B0\u12B2-\u12B5\u12B8-\u12BE\u12C0\u12C2-\u12C5\u12C8-\u12D6\u12D8-\u1310\u1312-\u1315\u1318-\u135A\u1380-\u138F\u13A0-\u13F5\u13F8-\u13FD\u1401-\u166C\u166F-\u167F\u1681-\u169A\u16A0-\u16EA\u16F1-\u16F8\u1700-\u170C\u170E-\u1711\u1720-\u1731\u1740-\u1751\u1760-\u176C\u176E-\u1770\u1780-\u17B3\u17D7\u17DC\u1820-\u1877\u1880-\u18A8\u18AA\u18B0-\u18F5\u1900-\u191E\u1950-\u196D\u1970-\u1974\u1980-\u19AB\u19B0-\u19C9\u1A00-\u1A16\u1A20-\u1A54\u1AA7\u1B05-\u1B33\u1B45-\u1B4B\u1B83-\u1BA0\u1BAE\u1BAF\u1BBA-\u1BE5\u1C00-\u1C23\u1C4D-\u1C4F\u1C5A-\u1C7D\u1CE9-\u1CEC\u1CEE-\u1CF1\u1CF5\u1CF6\u1D00-\u1DBF\u1E00-\u1F15\u1F18-\u1F1D\u1F20-\u1F45\u1F48-\u1F4D\u1F50-\u1F57\u1F59\u1F5B\u1F5D\u1F5F-\u1F7D\u1F80-\u1FB4\u1FB6-\u1FBC\u1FBE\u1FC2-\u1FC4\u1FC6-\u1FCC\u1FD0-\u1FD3\u1FD6-\u1FDB\u1FE0-\u1FEC\u1FF2-\u1FF4\u1FF6-\u1FFC\u2071\u207F\u2090-\u209C\u2102\u2107\u210A-\u2113\u2115\u2119-\u211D\u2124\u2126\u2128\u212A-\u212D\u212F-\u2139\u213C-\u213F\u2145-\u2149\u214E\u2183\u2184\u2C00-\u2C2E\u2C30-\u2C5E\u2C60-\u2CE4\u2CEB-\u2CEE\u2CF2\u2CF3\u2D00-\u2D25\u2D27\u2D2D\u2D30-\u2D67\u2D6F\u2D80-\u2D96\u2DA0-\u2DA6\u2DA8-\u2DAE\u2DB0-\u2DB6\u2DB8-\u2DBE\u2DC0-\u2DC6\u2DC8-\u2DCE\u2DD0-\u2DD6\u2DD8-\u2DDE\u2E2F\u3005\u3006\u3031-\u3035\u303B\u303C\u3041-\u3096\u309D-\u309F\u30A1-\u30FA\u30FC-\u30FF\u3105-\u312D\u3131-\u318E\u31A0-\u31BA\u31F0-\u31FF\u3400-\u4DB5\u4E00-\u9FD5\uA000-\uA48C\uA4D0-\uA4FD\uA500-\uA60C\uA610-\uA61F\uA62A\uA62B\uA640-\uA66E\uA67F-\uA69D\uA6A0-\uA6E5\uA717-\uA71F\uA722-\uA788\uA78B-\uA7AD\uA7B0-\uA7B7\uA7F7-\uA801\uA803-\uA805\uA807-\uA80A\uA80C-\uA822\uA840-\uA873\uA882-\uA8B3\uA8F2-\uA8F7\uA8FB\uA8FD\uA90A-\uA925\uA930-\uA946\uA960-\uA97C\uA984-\uA9B2\uA9CF\uA9E0-\uA9E4\uA9E6-\uA9EF\uA9FA-\uA9FE\uAA00-\uAA28\uAA40-\uAA42\uAA44-\uAA4B\uAA60-\uAA76\uAA7A\uAA7E-\uAAAF\uAAB1\uAAB5\uAAB6\uAAB9-\uAABD\uAAC0\uAAC2\uAADB-\uAADD\uAAE0-\uAAEA\uAAF2-\uAAF4\uAB01-\uAB06\uAB09-\uAB0E\uAB11-\uAB16\uAB20-\uAB26\uAB28-\uAB2E\uAB30-\uAB5A\uAB5C-\uAB65\uAB70-\uABE2\uAC00-\uD7A3\uD7B0-\uD7C6\uD7CB-\uD7FB\uF900-\uFA6D\uFA70-\uFAD9\uFB00-\uFB06\uFB13-\uFB17\uFB1D\uFB1F-\uFB28\uFB2A-\uFB36\uFB38-\uFB3C\uFB3E\uFB40\uFB41\uFB43\uFB44\uFB46-\uFBB1\uFBD3-\uFD3D\uFD50-\uFD8F\uFD92-\uFDC7\uFDF0-\uFDFB\uFE70-\uFE74\uFE76-\uFEFC\uFF21-\uFF3A\uFF41-\uFF5A\uFF66-\uFFBE\uFFC2-\uFFC7\uFFCA-\uFFCF\uFFD2-\uFFD7\uFFDA-\uFFDC] 
に等しいことに注意this regex demo

を参照してくださいとしてそれに、有効なハッシュタグは、C#で記述することができ

\wは、下記を参照してください\p{N}\p{L}_\p{N}の組み合わせです

[0-9\xB2\xB3\xB9\xBC-\xBE\u0660-\u0669\u06F0-\u06F9\u07C0-\u07C9\u0966-\u096F\u09E6-\u09EF\u09F4-\u09F9\u0A66-\u0A6F\u0AE6-\u0AEF\u0B66-\u0B6F\u0B72-\u0B77\u0BE6-\u0BF2\u0C66-\u0C6F\u0C78-\u0C7E\u0CE6-\u0CEF\u0D66-\u0D75\u0DE6-\u0DEF\u0E50-\u0E59\u0ED0-\u0ED9\u0F20-\u0F33\u1040-\u1049\u1090-\u1099\u1369-\u137C\u16EE-\u16F0\u17E0-\u17E9\u17F0-\u17F9\u1810-\u1819\u1946-\u194F\u19D0-\u19DA\u1A80-\u1A89\u1A90-\u1A99\u1B50-\u1B59\u1BB0-\u1BB9\u1C40-\u1C49\u1C50-\u1C59\u2070\u2074-\u2079\u2080-\u2089\u2150-\u2182\u2185-\u2189\u2460-\u249B\u24EA-\u24FF\u2776-\u2793\u2CFD\u3007\u3021-\u3029\u3038-\u303A\u3192-\u3195\u3220-\u3229\u3248-\u324F\u3251-\u325F\u3280-\u3289\u32B1-\u32BF\uA620-\uA629\uA6E6-\uA6EF\uA830-\uA835\uA8D0-\uA8D9\uA900-\uA909\uA9D0-\uA9D9\uA9F0-\uA9F9\uAA50-\uAA59\uABF0-\uABF9\uFF10-\uFF19] 

と空白ES5の正規表現構文で発音区別マッチングの問題も発生することがあり

[\t\f\v\r\n\x20\xA0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000] 

ノートのようなものです。

UPDATE

twitter-text C#の適応

は、Javaライブラリは、ハッシュタグのために、次の正規表現を特徴:

のC#に翻訳
VALID_HASHTAG = Pattern.compile("(^|[^&" + HASHTAG_LETTERS_NUMERALS + "])(#|\uFF03)(?!\uFE0F|\u20E3)(" + HASHTAG_LETTERS_NUMERALS_SET + "*" + HASHTAG_LETTERS_SET + HASHTAG_LETTERS_NUMERALS_SET + "*)", Pattern.CASE_INSENSITIVE); 

string HASHTAG_LETTERS = @"\p{L}\p{M}"; 
string HASHTAG_NUMERALS = @"\p{Nd}"; 
string HASHTAG_SPECIAL_CHARS = @"_\u200c\u200d\ua67e\u05be\u05f3\u05f4\uff5e\u301c\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7"; 
string HASHTAG_LETTERS_NUMERALS = HASHTAG_LETTERS + HASHTAG_NUMERALS + HASHTAG_SPECIAL_CHARS; 
string HASHTAG_LETTERS_NUMERALS_SET = "[" + HASHTAG_LETTERS_NUMERALS + "]"; 
string HASHTAG_LETTERS_SET = "[" + HASHTAG_LETTERS + "]"; 
string VALID_HASHTAG = new Regex("(^|[^&" + HASHTAG_LETTERS_NUMERALS + @"])(#|\uFF03)(?!\uFE0F|\u20E3)(" + HASHTAG_LETTERS_NUMERALS_SET + "*" + HASHTAG_LETTERS_SET + HASHTAG_LETTERS_NUMERALS_SET + "*)", RegexOptions.IgnoreCase); 

そして、ここにありますtesting C# demo

using System; 
using System.Linq; 
using System.Collections.Generic; 
using System.Text.RegularExpressions; 
public class Test 
{ 
    public static void Main() 
    { 
     string HASHTAG_LETTERS = @"\p{L}\p{M}"; 
     string HASHTAG_NUMERALS = @"\p{Nd}"; 
     string HASHTAG_SPECIAL_CHARS = @"_\u200c\u200d\ua67e\u05be\u05f3\u05f4\uff5e\u301c\u309b\u309c\u30a0\u30fb\u3003\u0f0b\u0f0c\u00b7"; 
     string HASHTAG_LETTERS_NUMERALS = HASHTAG_LETTERS + HASHTAG_NUMERALS + HASHTAG_SPECIAL_CHARS; 
     string HASHTAG_LETTERS_NUMERALS_SET = "[" + HASHTAG_LETTERS_NUMERALS + "]"; 
     string HASHTAG_LETTERS_SET = "[" + HASHTAG_LETTERS + "]"; 
     Regex VALID_HASHTAG = new Regex("(^|[^&" + HASHTAG_LETTERS_NUMERALS + @"])(#|\uFF03)(?!\uFE0F|\u20E3)(" + HASHTAG_LETTERS_NUMERALS_SET + "*" + HASHTAG_LETTERS_SET + HASHTAG_LETTERS_NUMERALS_SET + "*)", RegexOptions.IgnoreCase); 

     List<string> tests = new List<string>() {"#hashtag", 
      "#Azərbaycanca", 
      "#mûǁae", 
      "#Čeština", 
      "#Ċaoiṁín", 
      "#Caoiṁín", 
      "#táim", 
      "#hag̃ua", 
      "#café", 
      "#עברית", 
      "#אֲשֶׁר", 
      "#עַל־יְדֵי", 
      "#וכו׳", 
      "#מ״כ", 
      "#العربية", 
      "#حالياً", 
      "#يـﮱـَٱ", 
      "#ประเทศไทย", 
      "#ฟรี", 
      "#日本語ハッシュタグ", 
      "#日本語ハッシュタグ", 
      "これはOK #ハッシュタグ", 
      "これもOK。#ハッシュタグ", 
      "これはダメ#ハッシュタグ", 
      "#1", 
      "#2"}; 
     tests.ForEach(input => // JUST A PIECE OF DEMO CODE 
      Console.WriteLine("Input: " + input + " = " + VALID_HASHTAG.IsMatch(input) + 
       (VALID_HASHTAG.IsMatch(input) ? ", match = " + VALID_HASHTAG.Match(input).Value : ""))); 
    } 
} 

JavaScriptのハッシュタグの検証

あなたがJS Twitter libraryを使用する場合は、特定hasgtagsは単なるを行うことができます。

var isValidHashtag = twttr.txt.isValidHashtag(hashtag); 
  0

最初のリンクは問題を提示する良い読書ですが、多くの回答はありません。 28 4月. 162016-04-28 12:37:17

  0

再更新:私はまったく同じことをしており、現在jsソリューションのためにhttps://cdn.rawgit.com/twitter/twitter-text/v1.13.4/js/twitter-text.jsを見ています。私たちはここで答えに近づいています。 28 4月. 162016-04-28 13:46:56

  0

あなたはそのライブラリを使うことができますか、そのライブラリか 'XRegExp'(私が答えで提供したもの)のブロックを使って独自のライブラリを作ることができます。 28 4月. 162016-04-28 13:52:32

  0

https://cdn.rawgit.com/twitter/twitter-text/v1.13.4/js/twitter-text.jsを使うと、 'twttr.txt.isValidHashtag(hashtag)'と同じくらい簡単です。あなたの答えをこれで更新してください(おそらくそれらの醜い 'var'宣言を取り除き、' string'でそれらを置き換えてください)、私はこの答えが受け入れられるほど十分に良いと言うでしょう。 28 4月. 162016-04-28 14:48:41

  0

['var'はC#3.0に完全に準拠しています](https://msdn.microsoft.com/en-us/library/bb383973.aspx)。 28 4月. 162016-04-28 14:51:38

  0

私は知っています。それはちょうど醜いです。 28 4月. 162016-04-28 14:52:27