如何在python中建立一个正规的表情符号词汇表？

Question

我在文件 UTF32.red.codes 中有一个纯文本表情符号代码列表。文件的纯内容是

\U0001F600
\U0001F601
\U0001F602
\U0001F603 
\U0001F604
\U0001F605
\U0001F606
\U0001F609
\U0001F60A
\U0001F60B

基于question，我的想法是根据文件的内容创建正则表达式以捕获表情符号。这是我的最小工作示例

import re

with open('UTF32.red.codes','r') as emof:
   codes = [emo.strip() for emo in emof]
   emojis = re.compile(u"(%s)" % "|".join(codes))

string = u'string to check \U0001F601'
found = emojis.findall(string)

print found

found 始终为空。我哪里错了？我正在使用 python 2.7

Answer 1

您的代码将在 python 3 中运行良好（只需将 print found 修改为 print(found)）。但是，在 python 2.7 中它不会工作，因为它的 re 模块有一个已知错误（参见 this thread and this issue）。

如果您仍然需要python 2 版本的代码，只需使用regex 模块，可以使用pip2 install regex 安装。使用 import regex 导入它，然后将所有 re. 语句替换为 regex.（即 regex.compile 和 regex.findall），仅此而已。它应该工作。

Answer 2

此代码适用于 python 2.7

import re
with open('UTF32.red.codes','rb') as emof:
    codes = [emo.decode('unicode-escape').strip() for emo in emof]
    emojis = re.compile(u"(%s)" % "|".join(map(re.escape,codes)))

search = ur'string to check \U0001F601'
found = emojis.findall(search)

print found

如何在python中建立一个正规的表情符号词汇表？

How to build a regular vocabulary of emoticons in python?

python

regex

python-2.7

python-unicode