正则过滤 emoji

---

• emoji 网站：https://emojipedia.org
• emoji unicode 表：https://unicode-table.com/cn/emoji/

---

emoji – unicode

过滤掉文本中的 emoji，我们可以使用正则筛选出 emoji 对应的unicode
如果遇到 emoji，不知道对应的 unicode，或相反，可以使用 https://unicode-table.com/cn/emoji/ 来查询。
也可以通过代码打印：

# 根据 emoji 打印unicode
s1 = '🤗'
print(s1, ' | ',s1.encode('unicode-escape')) #  b'\\U0001f917'

# 根据 unicode 打印 emoji 
s2 = '\U0001f004'
print(s2) # 🀄

---

过滤 emoji

查询出来有效的过滤 emoji 的方法/正则，都比较有限。常用的 emoji 没有采用连续的 unicode 编码，如果我们贸然去掉一系列的 unicode，可能会将一些日语字符去掉。你可以根据需要，制定相应的过滤字符。
下面是我整理的一些uicode 正则，建议测试后使用：
（这个正则主要处理emoji符号，数值、各语言字母不会处理）

pat_emoji = '[\U0001f0a0-\U0001f0ff\U0001f170-\U0001f19a\U0001f300-\U0001faff\u2190-\u21FF\u2300-\u23FF\u2500-\u26FF\u2700-\u27BF\u27F0-\u27FF\u2900-\u297F\u2B00-\u2BFF]+'


def rm_emoji(text):  
    text = re.subn(pat_emoji, ' ', text)[0] 
    
    return text.strip() 

print('-- pat_emoji  : ', pat_emoji ) 
text = '''⏫🥲 今天是开心的一天 🤗 ©🅰🅱 ‼🆚↔÷↙⏯'''
 
print(re.findall(pat_emoji, text) )  
print('\n-- clean : ', rm_emoji(text)) 

---

---

2022-09-13