Python 2.7：从文本中检测表情符号

Question

我希望能够检测文本中的表情符号并查找他们的名字。

我没有成功使用 unicodedata 模块，我怀疑我没有了解 UTF-8 约定。

我想我需要将我的文档加载为 utf-8，然后将 unicode "strings" 分解为 unicode 符号。遍历这些并查找它们。

#new example loaded using pandas and encoding UTF-8                     
'A man tried to get into my car\U0001f648'          

type(test) = unicode

import unicodedata as uni
uni.name(test[0])
Out[89]: 'LATIN CAPITAL LETTER A'

uni.name(test[-3])
Out[90]: 'LATIN SMALL LETTER R'    

uni.name(test[-1])
ValueError                                Traceback (most recent call last)
<ipython-input-105-417c561246c2> in <module>()
----> 1 uni.name(test[-1])
ValueError: no such name

# just to be clear
uni.name(u'\U0001f648')
ValueError: no such name

我通过 google 查找了 unicode 符号，它是一个合法的符号。也许 unicodedata 模块不是很全面......？

我正在考虑自己从 here 中查找 table。对其他想法感兴趣...这个似乎可行。

Answer 1

这是阅读您提供的 link 的方法。它是从 Python 2 翻译而来的，所以可能会有一两个错误。

import re
import urllib2
rexp = re.compile(r'U\+([0-9A-Za-z]+)[^#]*# [^)]*\) *(.*)')
mapping = {}
for line in urllib2.urlopen('ftp://ftp.unicode.org/Public/emoji/1.0/emoji-data.txt'):
    line = line.decode('utf-8')
    m = rexp.match(line)
    if m:
        mapping[chr(int(m.group(1), 16))] = m.group(2)

Answer 2

我的问题是将 Python2.7 用于 unicodedata 模块。使用 Conda 我创建了一个 python 3.3 环境，现在 unicodedata 可以工作了正如预期的那样，我已经放弃了我正在研究的所有奇怪的技巧。

# using python 3.3
import unicodedata as uni

In [2]: uni.name('\U0001f648')
Out[2]: 'SEE-NO-EVIL MONKEY'

感谢 Mark Ransom 指出我最初从 not 正确导入我的数据。再次感谢您的帮助。

Python 2.7：从文本中检测表情符号

Python 2.7: detect emoji from text

unicode

emoji