匹配的unicode表情符號

Question

我需要提取的數和表情符號之間的文本在文本

示例文本：

blah xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 bjvcvvv 

輸出：

extract1 
extract2 

正則表達式的代碼我寫了兩個數字之間的文本，我需要更改它標識unicode表情符號的部分並提取它們之間的文本。

(?<=[\s][\d])(.*?)(?=[\d]) 

請建議蟒蛇友好的方法，我需要它來與所有的表情符號的作品不僅在例子中的一個的

https://regex101.com/r/uT1fM0/1

Answer 1

因爲有很多表情符號with different unicode values的，你必須在你的正則表達式明確指定，或者如果他們有spesific範圍你可以使用一個字符類。在這種情況下，你的第二個辛博爾是不是一個標準的表情符號，它只是一個Unicode字符，但因爲它是比\u263a（☺️的Unicode表示）大，你可以把它放在一個範圍內\u263a：

In [71]: s = 'blah xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 bjvcvvv' 

In [72]: regex = re.compile(r'\d+(.*?)(?:\u263a|\U0001f645)') 

In [74]: regex.findall(s) 
Out[74]: [' extract1 ', ' extract2 '] 

或者如果你想匹配更emojies你可以使用一個字符範圍（這裏是一個很好的參考，其顯示了不同的emojies http://apps.timwhitlock.info/emoji/tables/unicode適當的範圍內）：

In [75]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]') 

In [76]: regex.findall(s) 
Out[76]: [' extract1 ', ' extract2 '] 

注意，在第二種情況下，你必須確保所有在上述範圍內的人物是你想要的表情符號。

下面是另一個例子：

In [77]: s = "blah 4 xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 bjvcvvv" 

In [78]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]') 

In [79]: regex.findall(s) 
Out[79]: [' xzuyguhbc ', ' extract1 ', ' extract2 '] 

Answer 2

因此，這可能是或不是取決於你的工作需要。如果您提前知道表情符號的時間，但這可能會起作用，您只需要預期表情符號類型的列表。

無論如何沒有更多的信息，這是我會做的。

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import re 

my_regex = re.compile(r'\d\s*([^☺️|^]+)') 

string = "blah xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 bjvcvvv" 

m = my_regex.findall(string) 
if m: 
    print m 

Answer 3

這是我的解決方案。不知道它是否可以在任何情況下工作。訣竅是將所有unicode表情符號轉換爲普通文本。這可以通過以下方式完成this post然後，您可以像任何普通文本一樣匹配表情符號。請注意，如果字符串字符串\u或\U位於您的搜索文本中，它將不起作用。

示例：將您的字符串複製到一個文件中，我們稱之爲emo。 在終端：

Chip chip@ 03:24:33@ ~: cat emo | python stackoverflow.py 
blah xzuyguhbc ibcbb bqw 2 extract1 \u263a\ufe0f jbjhcb 6 extract2 \U0001f645 bjvcvvv\n 
------------------------ 
[' extract1 ', ' extract2 '] 

哪裏stackoverflow.py文件是：

import fileinput 
a = fileinput.input(); 
for line in a: 
    teststring = unicode(line,'utf-8') 
    teststring = teststring.encode('unicode-escape') 

import re 
print teststring 
print "------------------------" 
m = re.findall('(?<=[\s][\d])(.*?)(?=\\\\[uU])', teststring) 
print m