Node.js 表情解析

Question

我正在尝试解析传入的字符串以确定它是否包含任何非表情符号。

我已经 this great article by Mathias and am leveraging both native punycode for the encoding / decoding and regenerate for the regex generation. I'm also using EmojiData 找到了我的表情符号字典。

话虽如此，某些表情符号仍然是讨厌的小虫子并且拒绝匹配。对于某些表情符号，我继续获得一对代码点。

// Example of a single code point:
console.log(punycode.ucs2.decode(''));
>> [ 128169 ]

// Example of a paired code point:
console.log(punycode.ucs2.decode('⌛️'));
>> [ 8987, 65039 ]

Mathias 在他的文章中谈到了这一点（并给出了一个 punycode 解决这个问题的例子）但即使使用他的例子我也得到了错误的回应：

function countSymbols(string) {
  return punycode.ucs2.decode(string).length;
}
console.log(countSymbols(''));
>> 1
console.log(countSymbols('⌛️'));
>> 2

检测字符串是否包含所有表情符号的最佳方法是什么？这是为了概念验证，因此解决方案可以根据需要使用蛮力。

---更新---

关于我上面讨厌的表情符号的更多背景信息。

这些在视觉上是相同的，但实际上是不同的 unicode 值（第二个来自上面的示例）：

⌛ // \u231b

⌛️ // \u231b\ufe0f

第一个很好用，第二个不行。不幸的是，第二个版本是 iOS 似乎使用的（如果你从 iMessage 复制和粘贴你得到第二个，当从 Twilio 接收文本时，同样的事情）。

Answer 1

U+FE0F 不是组合标记，它是控制字形呈现的变化序列（参见）。删除此类序列可能会改变字符的外观，例如：U+231B+U+FE0E (⌛︎).

此外，表情符号序列可以由多个代码点组成。例如，U+0032（2）本身不是表情符号，而是U+0032+U+20E3（2⃣）或U+0032+U+20E3+U+FE0F (2⃣️) 是——但 U+0041+U+20E3 (A⃣) 不是。 Unicode 联盟在 emoji-data.txt 文件中维护了完整的表情符号序列列表（emoji-data-js 库似乎有此信息）。

要检查字符串是否包含表情符号字符，您需要测试 emoji-data.txt 中是否有任何单个字符，或者是否开始其中的序列的子字符串。

Answer 2

假设，如果您知道您希望运行进入哪些非表情符号字符，您可以通过它们的 toArray 或 split 模块使用一些 lodash 魔法，这些模块可识别表情符号。例如，如果您想查看一个字符串是否包含字母数字字符，您可以编写如下函数：

function containsAlphaNumeric(string){
 return _(string).toArray().filter(function(char){
    return char.match(/[a-zA-Z0-9]/);
 }).value().length > 0 ? true : false;
}

Node.js 表情解析

Node.js Emoji Parsing

javascript

unicode

punycode

node.js

emoji