如何从String中删除Unicode字符？

Question

我需要一个正则表达式代码来删除表情符号，符号（基本上是任何unicode字符），除了日语，韩语，中文，越南语和任何其他使用unicode字符的语言。正则表达式将用于php和Python服务器。我注意到我对使用表情符号键盘创建一些奇怪名字的iPhone用户有疑问。

到目前为止，我已经尝试了一些正则表达式，但我找不到合适的正则表达式。

下面是我自己用于测试的文本字符串。请注意，我不知道其他英文字符的含义是什么。如果它是一个坏词，请更改。

abcdefghij
klmnopqrst
uvwxyz
1234567890
한국 韓國
‎Công Ty Cổ Phần Hùng Đức
南极星 
おはようございます
============== Below characters should be detected by regex ========
™£¢£¢§¢∞§¶•§ª§¶
[]{}"';?><_+=-
()*&^%$#@!~`,.
4️⃣⌘
❤❣☁♫

Answer 1

所有符号都与\p{S}正则表达式匹配。您只需要确保您的PHP处于UTF-8模式（无论这意味着什么，我都不做PHP） - 请参阅http://php.net//manual/pl/regexp.reference.unicode.php - 对于Python，您需要一个替代的正则表达式库：{{3 }}

Answer 2

你可能会发现正则表达式并不是所有指甲的锤子。在这种情况下，您只想排除字符，因此它可能不是。

在Python 3中，字符串translate()方法很有用：如果您将要排除的字符映射到None，它们确实会从结果中排除。

不幸的是，此方法仅适用于ASCII字符串，并采用256个字符的字符串作为其映射表。但是，你可以用Python编写一个类似的alogirthm，但它不会那么高效。

PS：没有＆＃34;坏词＆＃34;在你的文字中。