检查字母是否是表情符号

Question

我想检查一个字母是否是表情符号。我发现了一些类似的问题，并找到了这个正则表达式：

private final String emo_regex = "([\u20a0-\u32ff\ud83c\udc00-\ud83d\udeff\udbb9\udce5-\udbb9\udcee])";

但是，当我在句子中执行以下操作时：

for (int k=0; k<letters.length;k++) {    
    if (letters[k].matches(emo_regex)) {
        emoticon.add(letters[k]);
    }
}

它不添加带有任何表情符号的任何字母。我也尝试过使用 Matcher 和 Pattern，但这也没有用。正则表达式有问题还是我的代码中遗漏了一些明显的东西？

我是这样收到信的：

sentence = "Jij staat op 10 "
String[] letters = sentence.split("");

最后一个应该被识别并添加到 emoticon

Answer 1

这些表情符号似乎有两个字符长，但是使用 split("") 你是在每个字符之间拆分，因此这些字母中的 none 个可以是你正在寻找的表情符号。

相反，您可以尝试拆分单词：

for (String word : sentence.split(" ")) {
    if (word.matches(emo_regex)) {
        System.out.println(word);
    }
}

但这当然会漏掉连接到单词或标点符号的表情符号。

或者，您可以只使用 Matcher 到 find 匹配正则表达式的句子中的任何 group。

Matcher matcher = Pattern.compile(emo_regex).matcher(sentence);
while (matcher.find()) {
    System.out.println(matcher.group());
}

Answer 2

您可以使用 emoji4j 库。以下应该可以解决问题。

String htmlifiedText = EmojiUtils.htmlify(text);
// regex to identify html entitities in htmlified text
Matcher matcher = htmlEntityPattern.matcher(htmlifiedText);

while (matcher.find()) {
    String emojiCode = matcher.group();
    if (isEmoji(emojiCode)) {

        emojis.add(EmojiUtils.getEmoji(emojiCode).getEmoji());
    }
}

Answer 3

您可以使用字符 class 来确定字母是否是代理项对的一部分。有一些有用的方法来处理代理对表情符号，例如：

String text = "";
if (text.length() > 1 && Character.isSurrogatePair(text.charAt(0), text.charAt(1))) {
    int codePoint = Character.toCodePoint(text.charAt(0), text.charAt(1));
    char[] c = Character.toChars(codePoint);
}

Answer 4

请记住，Java 代码可以用 Unicode 编写。所以你可以做：

@Test
public void containsEmoji_detects_smileys() {
    assertTrue(containsEmoji("This  is a smiley "));
    assertTrue(containsEmoji("This  is a different smiley"));
    assertFalse(containsEmoji("No smiley here"));
}

private boolean containsEmoji(String s) {
    String pattern = ".*[].*";
    return s.matches(pattern);
}

虽然请参阅：Should source code be saved in UTF-8 format 讨论这是否是个好主意。

您可以使用 String.codePoints() 在 Java 8 中将字符串拆分为 Unicode 代码点，其中 returns 和 IntStream。这意味着您可以执行以下操作：

Set<Integer> emojis = new HashSet<>();
emojis.add("".codePointAt(0));
emojis.add("".codePointAt(0));
String s = "1345";
s.codePoints().forEach( codepoint -> {
    System.out.println(
        new String(Character.toChars(codepoint)) 
        + " " 
        + emojis.contains(codepoint));
});

...打印...

1 false
 true
3 false
4 false
 true
5 false

当然，如果您不想在代码中使用文字 unicode 字符，您可以将数字放入集合中：

emojis.add(0x1F601);

Answer 5

我创建的这个函数检查给定的字符串是否只包含表情符号。换句话说，如果字符串包含任何未包含在正则表达式中的字符，它将 return false.

private static boolean isEmoji(String message){
    return message.matches("(?:[\uD83C\uDF00-\uD83D\uDDFF]|[\uD83E\uDD00-\uD83E\uDDFF]|" +
            "[\uD83D\uDE00-\uD83D\uDE4F]|[\uD83D\uDE80-\uD83D\uDEFF]|" +
            "[\u2600-\u26FF]\uFE0F?|[\u2700-\u27BF]\uFE0F?|\u24C2\uFE0F?|" +
            "[\uD83C\uDDE6-\uD83C\uDDFF]{1,2}|" +
            "[\uD83C\uDD70\uD83C\uDD71\uD83C\uDD7E\uD83C\uDD7F\uD83C\uDD8E\uD83C\uDD91-\uD83C\uDD9A]\uFE0F?|" +
            "[\u0023\u002A\u0030-\u0039]\uFE0F?\u20E3|[\u2194-\u2199\u21A9-\u21AA]\uFE0F?|[\u2B05-\u2B07\u2B1B\u2B1C\u2B50\u2B55]\uFE0F?|" +
            "[\u2934\u2935]\uFE0F?|[\u3030\u303D]\uFE0F?|[\u3297\u3299]\uFE0F?|" +
            "[\uD83C\uDE01\uD83C\uDE02\uD83C\uDE1A\uD83C\uDE2F\uD83C\uDE32-\uD83C\uDE3A\uD83C\uDE50\uD83C\uDE51]\uFE0F?|" +
            "[\u203C\u2049]\uFE0F?|[\u25AA\u25AB\u25B6\u25C0\u25FB-\u25FE]\uFE0F?|" +
            "[\u00A9\u00AE]\uFE0F?|[\u2122\u2139]\uFE0F?|\uD83C\uDC04\uFE0F?|\uD83C\uDCCF\uFE0F?|" +
            "[\u231A\u231B\u2328\u23CF\u23E9-\u23F3\u23F8-\u23FA]\uFE0F?)+");
}

实现示例：

public static int detectEmojis(String message){
    int len = message.length(), NumEmoji = 0;
    // if the the given String is only emojis.
    if(isEmoji(message)){
        for (int i = 0; i < len; i++) {
            // if the charAt(i) is an emoji by it self -> ++NumEmoji
            if (isEmoji(message.charAt(i)+"")) {
                NumEmoji++;
            } else {
                // maybe the emoji is of size 2 - so lets check.
                if (i < (len - 1)) { // some Emojis are two characters long in java, e.g. a rocket emoji is "\uD83D\uDE80";
                    if (Character.isSurrogatePair(message.charAt(i), message.charAt(i + 1))) {
                        i += 1; //also skip the second character of the emoji
                        NumEmoji++;
                    }
                }
            }
        }
        return NumEmoji;
    }
    return 0;
}

given 是一个在字符串（仅包含表情符号）和 return 其中的表情符号数量上运行的函数。（借助我在 Whosebug 上找到的其他答案）。

Answer 6

试试这个项目simple-emoji-4j

兼容 Emoji 12.0 (2018.10.15)

简单：

EmojiUtils.containsEmoji(str)

Answer 7

给你 -

for (String word : sentence.split("")) {
    if (word.matches(emo_regex)) {
        System.out.println(word);
    }
}

检查字母是否是表情符号

Check if letter is emoji

java

regex

emoji