Regex 如何匹配多种语言

我正在golang中编写一个正则表达式来捕获可能以不同语言出现的hashtag。例如，显而易见的是英语，但可能有拉丁或阿拉伯语用户会尝试使用这些字符集创建哈希标记。 我知道unicode字符类名，但是如何一次使用多个字符而不为每个字符生成正则表达式呢

示例代码：

r, err := regexp.Compile(`\B(\#[[:ascii:]]+\b)[^?!;]*`)

这将匹配

“#helloŦوق”

，并输出

[]字符串{hello，Ŧhello，Ŧ1608;ق}

，但不能仅匹配

“Ŧ1584;وق”

，我建议使用

\B#[\p{L}\p{N}\p{M}_]+

其中，

[\p{L}\p{N}\p{M}\u]

大致是支持Unicode的

\w

模式。

\p{L}

匹配任何单字字母，

\p{M}

匹配任何组合标记，

\p{N}

匹配任何Unicode数字

见：

输出：

#hello
#ذوق

使用

文本：=“#ذوق”

，

#وق

---

请参阅。

您的正则表达式与#dé范围不匹配，因为锐重音是一个标记\p{M}而不是一个字母。将正则表达式更改为

\B\[\p{L}\p{N}\p{N}\p{M}\u*

@JGNI可能，这种简洁性是不必要的，而且

\B{N}\p{L}\p{N}\p{M}+

就足够了。如果只需要在字母后匹配变音符号，则该模式看起来像

\B#（？：\p{L}\p{M}*.[\p{N}}}+

。如果要求在

之后只有一个字母，那么它看起来就像

\B{L}\p{M}*（？：\p{L}\p{M}*.[\p{N}}}]*

。等等等等。

#hello
#ذوق