如何在python中建立一个常规的表情符号词汇表？答案

【问题标题】：How to build a regular vocabulary of emoticons in python?如何在python中建立一个常规的表情符号词汇表？
【发布时间】：2016-04-13 09:22:44
【问题描述】：

我在文件UTF32.red.codes 中有一个表情符号代码列表，格式为纯文本。该文件的纯内容是

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

基于question，我的想法是从文件的内容中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

【问题讨论】：

您的文件中的string to check 在哪里？我想这不应该在string 中。此外，命名变量 string 可能会造成混淆，因此您可能需要避免这样做。
这是要捕获的字符串\U0001F601
然后执行string = u'\U0001F601'。更好的是，使用不同的变量名称，例如 search 或类似名称。
你说得对。缺少此信息。蟒蛇2.7
您是否遇到任何错误？我认为如果我们想解决这个问题，我们需要更多信息。

标签： python regex python-2.7 python-unicode

【解决方案1】：

您的代码将在 python 3 中运行良好（只需将 print found 修复为 print(found)）。但是，在 python 2.7 中它不起作用，因为它的 re 模块有一个已知的错误（参见 this thread 和 this issue）。

如果你还需要python 2版本的代码，就用regex模块，可以用pip2 install regex安装。用import regex 导入它，然后用regex. 替换所有re. 语句（即regex.compile 和regex.findall），就是这样。它应该可以工作。

【讨论】：

你认为这个bug为什么和这个问题有关？

【解决方案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

【讨论】：