python 有损和无损 方式替换表情符号

无损方法

好处：保留原来字符串的全部内容

缺点：耗内存，需要对源字符串进行url解码

这个是把对应的表情和英文符号进行urlencode 这样就可以保存原有的字符串，不会破坏原来的样式，直接对字符串进行url解码即可

import re
from urllib.parse import quote, unquote
from zhon import hanzi
from zhon.hanzi import punctuation  # 标签符号 

def emoji_urlencode(self, text):
    '''
    表情生成urlencode
    :param text: 原始文本
    :return: 新文本
    '''
    # 方法一
    # r = re.compile("[^\u4e00-\u9fa5＂＃＄％＆＇（）＊＋，－／：；＜＝＞＠［＼］＾＿｀｛｜｝～｟｠｢｣､、"
    #                "〃《》「」『』【】〔〕〖〗〘〙〚〛〜〝〞〟〰〾〿–—‘’‛“”„‟…‧﹏！？｡。]")
    # 方法二
    r = re.compile("[^\u4e00-\u9fa5＂{}]".format(punctuation))

    index_li = [m.start() for m in re.finditer(r, text)]  # 找到位置

    new_text = ''  # 生成新的文本
    result = [quote(text[i])for i in index_li]  # 替换结果

    for index, i in enumerate(text):
        if index in index_li:
            new_text += result.pop(0)
        else:
            new_text += text[index]

    return new_text


if __name__ == '__main__':
    text = '?那一口，戒不掉了'
    t = emoji_urlencode(text)
    print(t)
    print(unquote(t))  # 解码字符串

有损方式

直接替换原有的表情，会影响字原符串的完整性

# -*- coding: utf-8 -*-

import re


def filter_emoji(desstr,restr='[emoji]'):
    '''
    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)


if __name__ == '__main__':
    print('曼?就是矫')
    t = filter_emoji('曼?就是矫')
    print(t)