正则表达式仅保留文本中hashtags 解决现有匹配替换的输出偏差问题

场景说明 #

需要从一段包含普通文本、标点、换行的混合内容中，仅提取所有格式为#xxx的hashtag，同时保持原文本的行排布结构，不保留任何非标签类的冗余内容。

待处理原始文本 #

This is a #text, which is #full of #hashtags.
Well, this is not #easy to
#extract #them. 
I think I #start to lose: #hope.

预期输出效果 #

#text #full #hashtags
#easy
#extract #them
#start #hope

原有方案的问题 #

最初采用的实现思路为：匹配所有非目标内容，将匹配到的内容替换为占位分组。使用的匹配规则为：
([\s\.\,]|^)[^#]\w+([\s\.\,]*?|$)
将匹配结果替换为分组$2后，实际输出出现结构错乱、冗余残留的问题，实际输出为：

a #text #full #hashtags #easy
#extract #them. I #start: #hope.

这类方案的固有缺陷为：非目标内容的边界判断容错性差，遇到换行符、相邻标签穿插、特殊标点分隔的场景时，很容易出现匹配漏判、错判，导致残留多余标点、跨行内容混杂，可靠性和执行效率都不足。

优化后的高效实现方案 #

转换匹配思路，不再尝试匹配所有非目标内容做替换，转而直接精准匹配所有符合规则的hashtag本身，再结合原文本的行结构完成重组，具体实现逻辑：

• 核心匹配规则：使用#[A-Za-z0-9_]+正则精准定位所有hashtag，可准确识别常规场景下的标签内容，不会误匹配普通文本中的非标签#符号
• 行结构对齐逻辑：逐行扫描原文本，将每一行内匹配到的所有hashtag用空格拼接为新的行内容，无标签的行直接置空，即可完全对齐原文本的4行排布结构，从根源上避免跨行内容混杂的问题。

内容的提问来源于stack exchange，提问作者ZygD