_Actual_ Twitter格式的标签？不是你的正则表达式,而不是他的代

发布时间：2020-12-14 06:29:22 所属栏目：百科来源：网络整理

导读：更新：使用Twitter的实体,如果你可以 – 他们想出来为你和其他项目.我的情况是,我只有没有实体的tweet和所有额外的元数据我花了我认为不合理的时间尝试查找主题标签的实际格式. 就我的搜索可以说 – Twitter还没有发表. 我知道很多人都提出了正则表达式来解

更新：使用Twitter的实体,如果你可以 – 他们想出来为你和其他项目.我的情况是,我只有没有实体的tweet和所有额外的元数据

我花了我认为不合理的时间尝试查找主题标签的实际格式.

就我的搜索可以说 – Twitter还没有发表.

我知道很多人都提出了正则表达式来解析它们,但是,lib的正则表达式不是我的lib的正则表达式,也许我不喜欢你的.

所以我问 – 有什么实际的官方规格？我不想要一个正则表达式的答案,我想要一个BNF或类似的东西.或最低限度 – 完整的分隔符列表.

额外的困难点 – 从随机unicode消息(非英语)文本抓取它们也是重要的.

注意：我很清楚实体,它们不适用于我的情况(数据库中存储的twitter消息的几个月).

从 twitter’s support起点,基本规则似乎是,标题必须在空格之前,并停留在任何空格或标点符号上.

Twitter的支持引用：

检查你的主题标签如下：

>在标签中或之后有符号吗？

>如果你写#noican’t,你的消息将被分类在#noican.标点符号(,.;’？！等)将会在标点符号发生的地方结束您的主题标签.

> #symbol之前是否有任何字母？

>如果你写23#idoittoo或word#idoittoo,你的推文将不会显示在搜索的标签#idoittoo. Hashtags将不会使用#符号前面的字母或数字. #符号必须有一个空格直接在它的前面,才能在搜索中正确显??示.

因此,初始令牌是#前面有一个空格,终结符是空格或标点符号.他们的标点符号列表中的“等”(),令人烦恼,但是我会继续挖掘,看看我能否找到一些权威性的标题符号.

经过一段时间的挖掘,我发现了Terence Eden(Hashtags and Implicit Knowledge,Hashtag Standards)的一些有趣的博客文章,提供了Twitter甚至没有标准的证据,因为在不同平台上开发的软件似乎有不同的规则一个主题标签

它还提供了一个到twitter / twitter-text-conformance / autolink.yml的Twitter一致性库的链接.autolink.yml的主题标签部分有许多匹配上述规则的情况,但还有一些违反它们仍然应该是自动链接的.一些例子：

- description: "DO NOT Autolink all-numeric hashtags"
  text: "text #1234"
  expected: "text #1234"

- description: "Autolink hashtag preceded by a period"
  text: "text.#hashtag"
  expected: "text.<a href="http://twitter.com/search?q=%23hashtag" title="#hashtag" class="tweet-url hashtag">#hashtag</a>"

- description: "Autolink hashtag with full-width hash (U+FF03)"
  text: "#hashtag"
  expected: "<a href="http://twitter.com/search?q=%23hashtag" title="#hashtag" class="tweet-url hashtag">#hashtag</a>"

这些只是几个不符合第一篇支持文章中给出的基本规则的例子,不幸的是,yml还有其他示例.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!