如何提取字符串中包含#字符的单词以统计话题标签使用次数

核心逻辑没有那么复杂，不管用什么技术栈，本质都是先拆分文本单元，再筛选符合特征的内容，根据你的运行环境选方案就行。

正则快速匹配方案（推荐，全语言通用） #

直接用正则批量提取是效率最高的写法，不用手动处理拆分逻辑，常规英文/数字/下划线组成的hashtag，用匹配规则#\w+就能覆盖90%以上的场景：

• 会自动跳过零散出现在文本里、后面没跟有效内容的#符号
• 直接返回所有匹配到的hashtag列表，列表长度就是总出现次数
  Python环境示例代码：

import re

raw_text = "Final test for my EPQ analysis bot #EPQ #DataMining #HashtagTrack #EPQ"
hashtag_list = re.findall(r'#\w+', raw_text)

# 总使用次数直接取列表长度即可
total_count = len(hashtag_list)
# 要做单标签频次统计，直接用Counter遍历计数就行
from collections import Counter
tag_count = Counter(hashtag_list)

如果要兼容中文hashtag，把正则规则调整为#[\u4e00-\u9fa5\w]+就能正常匹配中文标签。

轻量拆分方案（适配无正则的运行环境） #

如果你的部署环境不支持正则，按两步处理就行：

• 第一步：把整段文本按空白分隔符（空格、换行、制表符）拆成独立单词列表，绝大多数语言的字符串默认split()方法不传参数就能完成这个操作
• 第二步：遍历单词列表，筛选出包含#的单词即可，如果要严格匹配标准话题标签，把判断条件改成「单词以#开头」，能过滤掉#嵌在单词中间的异常情况
  JavaScript环境示例代码：

const rawText = "Debugging the EPQ robot today #EPQ #DevLog #TextAnalysis";
const wordList = rawText.split(/\s+/);
// 严格匹配#开头的标签
const hashtagList = wordList.filter(word => word.startsWith('#'));

统计注意事项 #

• 如果需要做大小写不敏感的统计，提取标签后统一转成小写/大写再计数，避免#EPQ和#epq被识别成两个不同标签
• 如果文本里存在标点跟在标签末尾的情况（比如#EPQ!、#DataAnalysis,），可以在筛选后额外做一步末尾标点裁剪，避免统计误差

内容的提问来源于stack exchange，提问作者Spectrum