使用正则表达式捕获单个表情符号

Question

在文本中出现的所有表情符号中，我想捕捉草莓表情符号 (????)。

使用谷歌我缩小了我的表达范围

(\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff])

到

(\ud83c[\ud000-\udfff])

这将我的搜索范围缩小到更少的表情符号，但仍能捕捉到其他表情符号：

???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ????

我发现每个表情符号都有自己的范围和 Unicode，EG 草莓 (????) 的范围是 6107-6108 和 Unicode (U+1F353)，Apple (????) 的范围是 6086-6087 和Unicode (U+1F34E)。

如何进一步缩小正则表达式的范围，以便捕获单个表情符号而忽略其余部分？

Answer 1

像unicode-table.com 这样的资源将提供您需要的关于代码点的所有信息，包括名称、字形表示，以及最重要的编码。对于草莓，您有以下内容：

名称：草莓
字形：?
代码：0x1F353
UTF-8：\xF0 \x9F \x8D \x93
UTF-16(BE)：\uD83C \uDF53
UTF-32(BE)：\U0001F353

您如何表示您的搜索字符串取决于您的正则表达式的语言/风格。例如，regex101.com 对 Unicode 的支持往往很少，因此您有两种选择：

1. 字面草莓：

   /?/

2. UTF-16（大端）：

   /\uD83C\uDF53/

像 python 这样的语言有更多的支持，您可以使用上面小表中的任何选项以及适当的转义：

1. '\N{Strawberry}'
2. '\U0001F353'
3. '\uD83C\uDF53'
4. '?'

所有这些都等同于文字草莓字形：这些转义由解释器解析，而不是正则表达式引擎。

关键是 Unicode 是一个非常有据可查的资源。它可能看起来很复杂，而且通常很复杂，但您会发现从长远来看，查找适当的文档总是比详尽的猜测和检查更容易。

我强烈推荐阅读Python's Unicode HowTo。它并不详尽，但却是一个很好的资源，可以为您指明所有正确的方向。

Answer 2

我不知道是否有一种智能方法可以找到它，但您已经缩小了很多范围。经过反复试验，我找到了完全匹配的：

\ud83c\udf53

见https://regex101.com/r/7psOg1/1

编辑：经过一些研究，您似乎需要一个 unicode 到 hex 转换器。网上有很多。只需粘贴您的表情符号，相关的 unicode 就会显示出来。例如，对于?，你得到 d83eded0 这意味着\ud83e\uded0 将匹配? 请注意，您必须选择 unicode 16 编码。