twitter - Twitter 主题标签中允许使用哪些字符？

Question

在开发包含 Twitter 客户端的 iOS 应用程序时，我必须允许用户生成主题标签(可以在应用程序内的其他位置创建，而不仅仅是在推文正文中创建)。

我想确保任何此类主题标签对于 Twitter 都有效，因此我想错误检查输入的值是否存在无效字符。请记住，用户可能来自非英语国家。

我知道通常的限制，例如主题标签不以数字开头，也没有特殊的标点符号，但我想知道是否有一个已知的列表，列出了主题标签中技术上允许的所有其他字符(即国际字符)。

Answer 1

Karl，正如您正确指出的那样，任何语言中的任何单词都可以是有效的 Twitter 主题标签(只要它满足一些基本标准)。因此，您要求的是有效的国际单词字符列表。我确信有人在某处编制了这样的列表，但使用它并不是实现您最初目标的最有效方法:确保给定的主题标签对 Twitter 有效。

我相信，您正在寻找的是一个可以匹配 Unicode 范围内的所有单词字符的正则表达式。这样的表达式不依赖于您的区域设置，并且会匹配现代排版中可以作为单词一部分出现的所有字符。

您没有指定您编写应用程序所用的语言，因此我无法帮助您实现特定于语言的实现。但是，基本方法如下:

1. 检查是否有任何括号表达式或字符类已支持您语言中的 Unicode 字符范围。如果是，则使用它们。

2. 检查是否有正则表达式修饰符可以为您的语言启用Unicode 字符范围支持。

大多数现代语言都以相当相似的方式实现正则表达式，其中很多都大量借用了 Perl，所以我希望下面的两个示例能让您走上正轨:

Perl:

使用 POSIX 括号表达式(例如:[[:alpha:]]、[[:allnum:]]、[[:digit:]] 等)，因为与字符类(例如:\w)相比，它们可以让您更好地控制要匹配的字符。

使用 /u 修饰符在模式匹配时启用 Unicode 支持。在此修饰符下，ASCII 平台实际上变成了 Unicode 平台；因此，例如，\w 将匹配 Unicode 中超过 100,000 个单词字符中的任何一个。

请参阅 Perl 文档以获取更多信息:

• http://perldoc.perl.org/perlre.html#Character-set-modifiers
• http://perldoc.perl.org/perlrecharclass.html#POSIX-Character-Classes

ruby :

使用 POSIX 括号表达式，因为它们包含非 ASCII 字符。例如，/\d/仅匹配 ASCII 十进制数字 (0-9)；而/[[:digit:]]/匹配 Unicode Nd 类别中的任何字符。

请参阅 Ruby 文档以获取更多信息:

• http://www.ruby-doc.org/core-2.1.1/Regexp.html#class-Regexp-label-Character+Classes

示例:

给定主题标签列表，以下正则表达式将匹配以单词字符(包括国际单词字符)开头的所有主题标签，后跟至少一个其他单词字符、数字或下划线:

    m/^#[[:alpha:]][[:alnum:]_]+$/u     # Perl

    /^#[[:alpha:]][[:alnum:]_]+$/       # Ruby