如何从文本中提取以#开头到空格前的子串（如#Covid19等话题标签）

AI 小北

2026-10-4

话题标签提取实现方案

这类以固定符号开头的子串提取直接用正则匹配就能实现，性能和准确率都满足需求。

核心匹配规则

正则匹配模式为#\S+：

开头#匹配话题标签的起始标识
\S+匹配所有非空白字符，直到遇到第一个空格自动停止匹配
开启全局匹配即可一次性拿到文本里所有符合要求的标签

各语言实现示例

Python 实现

import re

text = "今天是重要的里程碑。自3月21日以来首次没有报告#CoVid19死亡病例。这是充满希望的一天，我们终将获胜#VaccineRecovery。"
# 匹配所有话题标签，自动过滤结果里的标点后缀可以用r'#\w+'
hashtags = re.findall(r'#\S+', text)
print(hashtags)
# 输出：['#CoVid19', '#VaccineRecovery']

JavaScript 实现

const text = "今天是重要的里程碑。自3月21日以来首次没有报告#CoVid19死亡病例。这是充满希望的一天，我们终将获胜#VaccineRecovery。";
const hashtags = text.match(/#\S+/g) || [];
console.log(hashtags);
// 输出：['#CoVid19', '#VaccineRecovery']

Java 实现

import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class HashtagExtract {
    public static void main(String[] args) {
        String text = "今天是重要的里程碑。自3月21日以来首次没有报告#CoVid19死亡病例。这是充满希望的一天，我们终将获胜#VaccineRecovery。";
        Pattern pattern = Pattern.compile("#\\S+");
        Matcher matcher = pattern.matcher(text);
        List<String> hashtags = new ArrayList<>();
        while (matcher.find()) {
            hashtags.add(matcher.group());
        }
        System.out.println(hashtags);
        // 输出：[#CoVid19, #VaccineRecovery]
    }
}