如何从文本中提取所有表情符号？

Question

考虑以下列表：

 a_list = ['🤔 🙈 me así, bla es se 😌 ds 💕👭👙']

如何在新列表中提取所有表情符号 a_list ？：

 new_lis = ['🤔 🙈 😌 💕 👭 👙']

我尝试使用正则表达式，但我没有所有可能的表情符号编码。

原文由 tumbleweed 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以使用 emoji 库。您可以检查单个代码点是否为表情符号代码点，方法是检查它是否包含在 emoji.UNICODE_EMOJI 中。

 import emoji

def extract_emojis(s):
  return ''.join(c for c in s if c in emoji.UNICODE_EMOJI['en'])

原文由 Pedro Castilho 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

我认为必须指出，之前的答案不适用于 👨‍👩‍👦‍👦 等表情符号，因为它由 4 个表情符号组成，使用 ... in emoji.UNICODE_EMOJI 将返回 4 个不同的表情符号。对于像 🙅🏽 这样的肤色的表情符号也是如此。

我的解决方案

包括 emoji 和 regex 模块。正则表达式模块支持识别字 _素簇_（呈现为单个字符的 Unicode 代码点序列），因此我们可以计算像 👨‍👩‍👦‍👦 这样的表情符号

import emoji
import regex

def split_count(text):

    emoji_list = []
    data = regex.findall(r'\X', text)
    for word in data:
        if any(char in emoji.UNICODE_EMOJI['en'] for char in word):
            emoji_list.append(word)

    return emoji_list

测试

更多带有肤色的表情符号：

 line = ["🤔 🙈 me así, se 😌 ds 💕👭👙 hello 👩🏾‍🎓 emoji hello 👨‍👩‍👦‍👦 how are 😊 you today🙅🏽🙅🏽"]

counter = split_count(line[0])
print(' '.join(emoji for emoji in counter))

输出：

 🤔 🙈 😌 💕 👭 👙 👩🏾‍🎓 👨‍👩‍👦‍👦 😊 🙅🏽 🙅🏽

包括标志

如果你想包含标志，比如 🇵🇰 Unicode 范围将从 🇦 到 🇿 ，所以添加：

 flags = regex.findall(u'[\U0001F1E6-\U0001F1FF]', text)

上面的函数，和 return emoji_list + flags 。

有关标志的更多信息，请参阅 “A python regex that matches the regional indicator character class”的答案。

对于较新的 emoji 版本

要使用表情符号 >= v1.2.0，您必须添加语言说明符（例如 en 如上面的代码所示）：

 emoji.UNICODE_EMOJI['en']

原文由 sheldonzy 发布，翻译遵循 CC BY-SA 4.0 许可协议