【一】匹配 @用户名
首先分析下微博中从哪里开始到哪里结束才是一个完整的用户名,按照常规的表现形式,一般是以@开头,以:结尾,中间为用户的名称。
匹配表达式就可写为: @[^::]+
这是简单的写法,但是有些是在微博之后再@的,还有就是连续@的情况,还有些是以逗号等结束的,因此完善一下
修改为: @[^,,::s@]+
但是这些匹配都是从形式上进行了一个大概的归类,但是为了更为严谨,就要彻底分析其用户名的具体格式,例如新浪微博中的用户名格式为是“4-30个字符,支持英文、数字、"_"或减号”
,也就是说,支持中文、字母、数字、下划线及减号,并且是4到30个字符(这里暂且认为汉字为一个字符)那么在写匹配的表达式的时候就可以这么来写:
@[u4e00-u9fa5a-zA-Z0-9_-]{4,30}
转换为php可用正则:
preg_match_all('/@([\x{4e00}-\x{9fa5}a-zA-Z0-9-_]{2,30})+/u', $content, $matches)
若需要带小数点:
'/@([\x{4e00}-\x{9fa5}a-zA-Z0-9-_.]{2,30})+/u'
【二】匹配 #话题#
这个相对相对就简单了很多,前后都是#,以#号开始并以#结束
匹配表达式写为: #[^#]+#