我想检查字母是否是表情符号。 我发现了一些类似的问题,并找到了这个正则表达式:
private final String emo_regex ="([\\u20a0-\\u32ff\\ud83c\\udc00-\\ud83d\\udeff\\udbb9\\udce5-\\udbb9\\udcee])";
但是,当我在如下语句中执行以下操作时:
for (int k=0; k
if (letters[k].matches(emo_regex)) {
emoticon.add(letters[k]);
}
}
它不会在任何表情符号中添加任何字母。 我也尝试过使用Matcher和Pattern,但这都不起作用。 正则表达式是否有问题,或者我的代码中缺少明显的东西?
这是我的来信:
sentence ="Jij staat op 10 ??"
String[] letters = sentence.split("");
最后 ?? 应该被识别并添加到emoticon
您可以向我们展示更多代码吗? 循环似乎还不错...
您能否提供期望匹配的letters值的具体示例? 另外,是什么让您有信心,您找到的正则表达式绝对正确且全面?
如果我是正确的,表情符号有两个字母
我完全不了解您的方法。 您是否将原始字符串拆分为String[],每个元素都是一个单字符字符串,只是为了能够应用正则表达式而不是普通Java数字范围检查?
编辑了问题以显示我如何得到这封信!
可能相关:stackoverflow.com/questions/24840667
您可以使用emoji4j库。以下应解决该问题。
String htmlifiedText = EmojiUtils.htmlify(text);
// regex to identify html entitities in htmlified text
Matcher matcher = htmlEntityPattern.matcher(htmlifiedText);
while (matcher.find()) {
String emojiCode = matcher.group();
if (isEmoji(emojiCode)) {
emojis.add(EmojiUtils.getEmoji(emojiCode).getEmoji());
}
}
我创建的此函数检查给定的String是否仅包含表情符号。
换句话说,如果字符串包含正则表达式中未包含的任何字符,则它将返回false。
private static boolean isEmoji(String message){
return message.matches("(?:[\uD83C\uDF00-\uD83D\uDDFF]|[\uD83E\uDD00-\uD83E\uDDFF]|" +
"[\uD83D\uDE00-\uD83D\uDE4F]|[\uD83D\uDE80-\uD83D\uDEFF]|" +
"[\u2600-\u26FF]\uFE0F?|[\u2700-\u27BF]\uFE0F?|\u24C2\uFE0F?|" +
"[\uD83C\uDDE6-\uD83C\uDDFF]{1,2}|" +
"[\uD83C\uDD70\uD83C\uDD71\uD83C\uDD7E\uD83C\uDD7F\uD83C\uDD8E\uD83C\uDD91-\uD83C\uDD9A]\uFE0F?|" +
"[\u0023\u002A\u0030-\u0039]\uFE0F?\u20E3|[\u2194-\u2199\u21A9-\u21AA]\uFE0F?|[\u2B05-\u2B07\u2B1B\u2B1C\u2B50\u2B55]\uFE0F?|" +
"[\u2934\u2935]\uFE0F?|[\u3030\u303D]\uFE0F?|[\u3297\u3299]\uFE0F?|" +
"[\uD83C\uDE01\uD83C\uDE02\uD83C\uDE1A\uD83C\uDE2F\uD83C\uDE32-\uD83C\uDE3A\uD83C\uDE50\uD83C\uDE51]\uFE0F?|" +
"[\u203C\u2049]\uFE0F?|[\u25AA\u25AB\u25B6\u25C0\u25FB-\u25FE]\uFE0F?|" +
"[\u00A9\u00AE]\uFE0F?|[\u2122\u2139]\uFE0F?|\uD83C\uDC04\uFE0F?|\uD83C\uDCCF\uFE0F?|" +
"[\u231A\u231B\u2328\u23CF\u23E9-\u23F3\u23F8-\u23FA]\uFE0F?)+");
}
实现示例:
public static int detectEmojis(String message){
int len = message.length(), NumEmoji = 0;
// if the the given String is only emojis.
if(isEmoji(message)){
for (int i = 0; i < len; i++) {
// if the charAt(i) is an emoji by it self -> ++NumEmoji
if (isEmoji(message.charAt(i)+"")) {
NumEmoji++;
} else {
// maybe the emoji is of size 2 - so lets check.
if (i < (len - 1)) { // some Emojis are two characters long in java, e.g. a rocket emoji is"\uD83D\uDE80";
if (Character.isSurrogatePair(message.charAt(i), message.charAt(i + 1))) {
i += 1; //also skip the second character of the emoji
NumEmoji++;
}
}
}
}
return NumEmoji;
}
return 0;
}
给定的函数在字符串(仅包含表情符号)上运行并返回其中的表情符号数量。 (借助于我在StackOverFlow上找到的其他答案的帮助)。
我对正则表达式很熟悉,但是它是如此复杂,以至于我真的不明白您在做什么。
您可以使用Character类来确定字母是否是代理对的一部分。有一些有用的方法可以处理代理对表情符号,例如:
String text ="??";
if (text.length() > 1 && Character.isSurrogatePair(text.charAt(0), text.charAt(1))) {
int codePoint = Character.toCodePoint(text.charAt(0), text.charAt(1));
char[] c = Character.toChars(codePoint);
}
这不起作用,不应该使用,因为某些表情符号仅包含一个字符,例如"?"。length()为1。应该被否决,但当前不具有我的特权。
"?" 不是表情符号。 它只是一个符号,但是系统将其显示为表情符号。 值是9760。
这些表情符号似乎有两个字符长,但是使用split("")时,您在每个字符之间进行分割,因此这些字母都不是您要寻找的表情符号。
相反,您可以尝试在单词之间进行拆分:
for (String word : sentence.split("")) {
if (word.matches(emo_regex)) {
System.out.println(word);
}
}
但这当然会错过与单词或标点符号相连的表情符号。
或者,您可以只在与正则表达式匹配的句子中使用Matcher到find中的任何group。
Matcher matcher = Pattern.compile(emo_regex).matcher(sentence);
while (matcher.find()) {
System.out.println(matcher.group());
}
谢谢,但是这不能识别????。 现在我知道表情符号有2个字符,这将有所帮助
@bdv似乎为我工作(使用第二种方法)。 还是这应该是一个(复合)表情符号?
不,两个单独的。。您如何测试?
@bdv使用String sentence ="zing ????. It he";(只是从您的注释中复制),您的模式以及然后以Matcher开头的代码进行测试。 它输出两个表情符号。
谢谢,匹配器工作!
试试这个项目simple-emoji-4j
兼容Emoji 12.0(2018.10.15)
简单:
EmojiUtils.containsEmoji(str)
值得牢记的是,Java代码可以用Unicode编写。因此,您可以执行以下操作:
@Test
public void containsEmoji_detects_smileys() {
assertTrue(containsEmoji("This ?? is a smiley"));
assertTrue(containsEmoji("This ?? is a different smiley"));
assertFalse(containsEmoji("No smiley here"));
}
private boolean containsEmoji(String s) {
String pattern =".*[????].*";
return s.matches(pattern);
}
尽管请参阅:应该将源代码保存为UTF-8格式,以讨论是否是一个好主意。
您可以使用String.codePoints()在Java 8中将String拆分为Unicode代码点,这将返回IntStream。这意味着您可以执行以下操作:
Set emojis = new HashSet<>();
emojis.add("??".codePointAt(0));
emojis.add("??".codePointAt(0));
String s ="1??34??5";
s.codePoints().forEach( codepoint -> {
System.out.println(
new String(Character.toChars(codepoint))
+""
+ emojis.contains(codepoint));
});
...打印...
1 false
?? true
3 false
4 false
?? true
5 false
当然,如果您不希望在代码中包含文字unicode字符,则可以将数字放入集合中:
emojis.add(0x1F601);
糟糕的解决方案
有见地......