正则表达式从R中的字符串中删除所有内容，但表情符号？答案

【问题标题】：Regex to remove everything, but emojis from the string in R?正则表达式从R中的字符串中删除所有内容，但表情符号？
【发布时间】：2020-03-12 11:27:45
【问题描述】：

我有一个大的 .xlsx 文件，其中包含带有表情符号的推文。我正在做一个个人项目，我想从提取的表情符号中制作一个网络图。例如，如果我在其中一列中有这个：

Christian✝️, Husband????, Father????‍????‍????‍????, Former TV ????Meteorologist????, GOP????, LTC ????, Dolfan????, since ‘75, Yanks Fan⚾️ & UCONN Alum???? Go Whalers????!

那么我怎么才能只在输出时得到这个呢？

✝️????????‍????‍????‍????????????????????????⚾️????????

我在 Stack Overflow 和互联网上到处都找遍了，但我什么也没找到。我是 R 的初学者。

编辑

当我正常读取文件时，我得到了 Unicode（UTF-8 格式），但我不知道如何将这些 Unicode 转换为表情符号。网上有字典，但只给我一些表情符号的名字，已经很过时了。

编辑 2

有一个适用于 Linux 的解决方案，但我正在寻找一个解决方案/提示以使其在 Windows 中运行。

【问题讨论】：

尝试删除 BMP 中的所有字符，gsub("[\\x{0000}-\\x{FFFF}]+","",x, perl=TRUE)
非常感谢您的回复，非常感谢。我在其中一个狭窄的专栏中运行它并正确接收了所有内容。现在唯一的问题是，例如，在控制台中，我会像 "\U0001f4da\U0001f921" 一样。
....而不是????????
感谢@WiktorStribiżew 的帮助，使用它我现在也可以快速解析整个 .xlsx 文件。

标签： r regex twitter unicode emoji

【解决方案1】：

这对我有用，需要注意的是，控制台中只有十字会打印为表情符号，其余的是 unicode 表示。

# install.packages("remotes")
# remotes::install_github("hadley/emo")
emojis <- "Christian✝️, Husband?, Father?‍?‍?‍?, Former TV ?Meteorologist?, GOP?, LTC ?, Dolfan?, since ‘75, Yanks Fan⚾️ & UCONN Alum? Go Whalers?!"
emojis
only_emojis <- emo::ji_extract_all(emojis)
only_emojis

#  emo::ji_extract_all(emojis)
# [[1]]
#  [1] "✝️"      "\U0001f46b"      "\U0001f468"      "\U0001f469"      "\U0001f466"      "\U0001f466"      "\U0001f4fa"      "\U0001f418"      "\U0001f52b"      "\U0001f42c"      "\u26be" "\U0001f3c0"      "\U0001f40b"   

# install.packages("utf8")
utf8::utf8_print(only_emojis[[1]])  
# [1] "✝️" "?" "?" "?" "?" "?" "?" "?" "?" "?" "⚾" "?" "?"

【讨论】：

您好，谢谢。我实际上这样做是遇到了这个包，并且有类似的错误。我已经从每行字符串中取出所有空格，做了同样的事情，我也问了先生。 Wickham 在推特上，还没有收到任何回复:(
我已经更新了答案，所以它在 Linux 上正常工作，但在 Windows 上失败...根据 utf8 包小插图，代码高于 0xffff 的字符，包括大多数表情符号，不支持窗户。
哦，不。没关系，如果这适用于 Linux，我将使用虚拟机。至少这是我项目的进展，我自古以来就一直停留在这个阶段。感谢百万朋友。
尽管 Windows 10 现在支持 emoji 并且拥有专用于它的整个 emoji 键盘，这还是相当令人惊讶的。
是的，我也在看那个。我的猜测是它使用了新的 Windows API，而 R 使用的是旧的 API。