Javascript 在字符串和解析中查找表情符号答案

【问题标题】：Javascript Find Emoji in String and ParseJavascript 在字符串和解析中查找表情符号
【发布时间】：2021-09-17 17:25:37
【问题描述】：

经过大量研究，我找到了如何使用 Twemoji 库实时解析表情符号。

现在，我需要弄清楚如何识别某些文本中是否有表情符号，获取该表情符号的位置并执行解析功能。

一些示例文本可以是

It is a great day ????.

需要找到????在整个字符串中并使用以下函数获取其十六进制代码，返回代理对并使用 Twemoji 库进行解析。

function entityForSymbolInContainer(selector) {
    var code = data.message.body.codePointAt(0);
    var codeHex = code.toString(16);
    while (codeHex.length < 4) {
        codeHex = "0" + codeHex;
    }

    return codeHex;
}

// Get emoji hex code
    var emoji = entityForSymbolInContainer(data.message.body);
// For given an HEX codepoint, returns UTF16 surrogate pairs
    var emoji = twemoji.convert.fromCodePoint(emoji);
// Given a generic string, it will replace all emoji with an <img> tag
    var emoji = twemoji.parse(emoji);

我正在使用以下检查来查看文本中是否有表情符号。问题是对于一个简单的笑脸（？？？？？？）它不会提醒我。但是，如果我输入“衬衫和领带”（??????），它会提醒我。

var string = "It is a great day ????.";
var emojiRegex = /([\uE000-\uF8FF]|\uD83C[\uDF00-\uDFFF]|\uD83D[\uDC00-\uDDFF])/g;

if (string.match(emojiRegex)) {
    alert("emoji found");
}

请帮助解决正则表达式无法获取表情符号的问题。之后，我应该能够在字符串中找到它。

谢谢！

【问题讨论】：

????是 U+1F600，在 UTF-16 中编码为 \uD83D\uDE00。您的正则表达式不认为这是表情符号。（它停在 \uD83D\uDDFF。）
好的，感谢您的澄清。你知道更完整的正则表达式的资源吗？
在开发算法来检测 emoji 之前，您首先需要对 emoji 是什么有一个清晰的定义。编写该正则表达式的人并不认为 U+1F600 是表情符号。

标签： javascript string emoji

【解决方案1】：

这篇文章提供了一个非常全面的正则表达式来匹配表情符号，并给出了很好的解释。他的正则表达式基于 lodash 库发布的正则表达式。

(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32-\ude3a]|[\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])

https://medium.com/@thekevinscott/emojis-in-javascript-f693d0eb79fb

【讨论】：

【解决方案2】：

现在有了 ES2018，我们可以在正则表达式匹配中使用 Unicode 属性转义：

\p{…}

对于简单的表情符号是：

"Be kind ?, smile".match(/\p{Emoji}+/gu)

对于表情符号，包括用零宽度连接器粘合的字形，例如?‍?‍?‍?，它可以是：

"My Family ?‍?‍?‍?".match(/[\p{Emoji}\u200d]+/gu)

【讨论】：

简短，高效！谢谢！

【解决方案3】：

这决定了评论中是否有表情符号。

var unified_emoji_ranges = ['\ud83c[\udf00-\udfff]','\ud83d[\udc00-\ude4f]','\ud83d[\ude80-\udeff]'];

var reg = new RegExp(unified_emoji_ranges.join('|'), 'g');

var string = "It is a great day ?.";

if (string.match(reg)) {
    alert("emoji found");
}

【讨论】：

请补充说明:)

【解决方案4】：

在 2021 年，最好的方法是在 ES6 的正则表达式中使用对 unicode 的支持。

就像使用这个正则表达式一样简单：

/(\p{Emoji_Presentation}|\p{Extended_Pictographic})/gu

例如，这个简单的函数会将字符串中的所有表情符号替换为空白：

function removeEmojis(str) {
    var emojiRE = /(\p{Emoji_Presentation}|\p{Extended_Pictographic})/gu;
    return str.replace(emojiRE, '');
}

removeEmojis('This ❌ h?s some ? emojis inside'); //'This  hs some  emojis inside'

它同时使用 Emoji_Representation 和 Extended_Pictographic 属性，因此在搜索中不计算数字 # 和 * as indicated by the Unicode standard。

我们也可以使用这些属性的缩写，以获得更短的正则表达式：

/(\p{EPres}|\p{ExtPict})/gu

您可以在这里试驾：

function removeEmojis(str) {
    var emojiRE = /\p{EPres}|\p{ExtPict}/gu;
    return str.replace(emojiRE, '');
}

var testStr = 'This ❌ h?s some ? emojis inside';
console.log('Test string: ' + testStr);
console.log('Result: ' + removeEmojis(testStr));

【讨论】：

【解决方案5】：

问题：

JavaScript 将字符串定义为 UTF-16 代码序列单位，而不是字符序列或代码点。

（引自以下来源）

您必须使用代理对设置 RegExp：

我在这里parsing emoji unicode in javascript 找到了一个很好的解决方案/解释，它不需要额外的库。这是一个在线Surrogate Pair Calculator。

在你的情况下：

/\uD83D\uDE00/

regex101

【讨论】：

【解决方案6】：

如果有人仍在寻找 JS 中的解决方案以在字符串中查找表情符号。

可以使用以下library（emoji-regex）。

以下是将所有表情符号转换为给定字符串中字符的 Unicode 十六进制数字表示的示例：

import emojiRegex  from 'emoji-regex/RGI_Emoji.js';
const emojiRegexPattern = emojiRegex();
const stringThatMightHaveEmojis = ...; //some string that can contain emoji's..

stringThatMightHaveEmojis.replace(emojiRegexPattern,(m, idx) => {
      return `${m.codePointAt(0).toString(16)}]`;
    })

该库的文档中有更多示例。

另外，我偶然发现了一篇有用的文章来解释解析表情符号，codePointAt 可以找到here

【讨论】：