python emoji 表情处理过滤

最新推荐文章于 2024-07-06 02:48:53 发布

AI算法网奇

最新推荐文章于 2024-07-06 02:48:53 发布

阅读量2.8k

点赞数 1

分类专栏： python宝典

原文链接：https://blog.csdn.net/junli_chen/article/details/77685128

版权

python宝典专栏收录该内容

1042 篇文章 374 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用Python的emoji库进行emoji表情的处理，包括安装emoji库、使用emojize()生成emoji表情以及demojize()进行解码。重点在于通过结合re库移除文本中的emoji表情，以达到特定的文本清理目的。示例中展示了处理前后的内容差异，并指出虽然替换过程可能导致空间浪费，但简化了处理流程。

摘要由CSDN通过智能技术生成

emoji库安装
直接pip install emoji

源数据：（数据是瞎编的哈）

emoji库主要有两个函数：
emojize()——>生成emoji表情
demojize()——>emoji表情解码

>> import emoji
>> print(emoji.emojize('Python is :thumbs_up:'))
Python is 👍
>> print(emoji.emojize('Python is :thumbsup:', use_aliases=True))
Python is 👍
>> print(emoji.demojize('Python is 👍'))
Python is :thumbs_up:

处理
我的目的是把emoji表情剃掉，所以还需要用到re库，re就不详细叙述了。# 导入库

import emoji
import re

# 打开文件
with open('E:/python练习文件/emoji_txt.txt',encoding='UTF-8') as f:
    data = f.read()
    
# print(emoji.demojize(data)) #测试一下成功没？以及看看emoji代码
content = re.sub('(\:.*?\:)', '', emoji.demojize(data))

print(content)

结果
源文件

记录:face_with_tears_of_joy:
嗯嗯

组长:party_popper::party_popper::party_popper:
来吧
回收:face_with_tears_of_joy:
大家记得哈:face_with_tears_of_joy:

你坐哪呢？

处理后

记录
嗯嗯

组长
来吧
回收
大家记得哈

你坐哪呢？

注意替换的这些emoji是标准的表情字符，每个表情本来是2个字节，替换成字符串后，每个表情就变成12个字符了，浪费了很多空间，不过简单，不需要专门写个map一一对应了；

把表情变成字符串
view plain copy

def filter_emoji(desstr,restr=''):  
    ''''' 
    过滤表情 
    '''  
    try:  
        co = re.compile(u'[\U00010000-\U0010ffff]')  
    except re.error:  
        co = re.compile(u'[\uD800-\uDBFF][\uDC00-\uDFFF]')  
    return co.sub(restr, desstr)

把字符串变成表情

[python] view plain copy

def str_2_emoji(emoji_str):  
    ''''' 
    把字符串转换为表情 
    '''  
    if not emoji_str:  
        return emoji_str  
    h = HTMLParser.HTMLParser()  
    emoji_str = h.unescape(h.unescape(emoji_str))  
    #匹配u"\U0001f61c"和u"\u274c"这种表情的字符串  
    co = re.compile(ur"u[\'\"]\\[Uu]([\w\"]{9}|[\w\"]{5})")  
    pos_list=[]  
    result=emoji_str  
    #先找位置  
    for m in co.finditer(emoji_str):  
        pos_list.append((m.start(),m.end()))  
    #根据位置拼接替换  
    for pos in range(len(pos_list)):  
        if pos==0:  
            result=emoji_str[0:pos_list[0][0]]  
        else:  
            result=result+emoji_str[pos_list[pos-1][1]:pos_list[pos][0]]  
        result = result +eval(emoji_str[pos_list[pos][0]:pos_list[pos][1]])  
        if pos==len(pos_list)-1:  
            result=result+emoji_str[pos_list[pos][1]:len(emoji_str)]  
    return result

————————————————
版权声明：本文为CSDN博主「junli_chen」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/junli_chen/article/details/77685128