使用Java替换阿拉伯语推文中的表情符号Unicode范围

Question

我正在尝试使用java替换阿拉伯语推文中的表情符号。

我使用了这段代码：

String line = "اييه تقولي اجل الارسنال تعادل امس بعد ما كان فايز ";
Pattern unicodeOutliers = Pattern.compile("([\u1F601-\u1F64F])", Pattern.UNICODE_CASE | Pattern.CANON_EQ | Pattern.CASE_INSENSITIVE);
Matcher unicodeOutlierMatcher = unicodeOutliers.matcher(line);
line = unicodeOutlierMatcher.replaceAll(" $1 ");

但它并没有取代它们。即使我只匹配角色本身＆＃34; \ u1F602＆＃34;它不会取代它。可能是因为它是你之后的5位数？！我不确定，只是一个猜测。

请注意：

1-推文（）末尾的情绪是＆＃34; U + 1F602＆＃34;这是＆＃34;面对欢乐的泪水＆＃34;

2-这个问题与this question不重复。

任何想法？

Answer 1

来自Javadoc for the Pattern class

  

Unicode字符也可以用正则表达式表示   直接使用其十六进制表示法（十六进制代码点值）   在构造\x{...}中描述，例如补充字符   U + 2011F可以指定为\x{2011F}，而不是连续两次   代理对\uD840\uDD1F的Unicode转义序列。

这意味着您正在寻找的正则表达式为([\x{1F601}-\x{1F64F}])。当然，当您将其写为Java String文字时，必须转义反斜杠。

Pattern unicodeOutliers = Pattern.compile("([\\x{1F601}-\\x{1F64F}])");

请注意，构造\x{...}仅可从Java 7获得。

Answer 2

Java 5和6

如果您在Java 5或6 JVM上运行程序时遇到困难，并且想要匹配U + 1F601到U + 1F64F范围内的字符，请在字符类中使用代理项对：

Pattern emoticons = Pattern.compile("[\uD83D\uDE01-\uD83D\uDE4F]");

即使在Java 7及更高版本中，此方法也是有效的，因为在Sun / Oracle的实现中，如果您反编译Pattern.compile()方法，则在编译之前将包含该模式的String转换为代码点数组

Java 7及以上版本

1. 您可以在David Wallace的答案中使用构造\x{...}，该答案可从Java 7获得。

2. 或者，您也可以指定整个Emoticons Unicode block，从代码点 U + 1F600 （而不是U + 1F601）到U + 1F64F。

   Pattern emoticons = Pattern.compile("\\p{InEmoticons}");
   

   由于在Java 7中添加了Emoticons block支持，因此该方法仅在Java 7中有效。

3. 虽然首选其他方法，但您可以通过在正则表达式中指定转义来指定补充字符。虽然没有理由在源代码中执行此操作，但Java 7中的此更改会更正使用正则表达式进行搜索的应用程序中的行为，并且无法直接粘贴该字符。

   Pattern emoticons = Pattern.compile("[\\uD83D\\uDE01-\\uD83D\\uDE4F]");
   

   /!\警告

   在指定补充代码点时，永远不会将语法混合在一起，例如：

   • "[\\uD83D\uDE01-\\uD83D\\uDE4F]"

   • "[\uD83D\\uDE01-\\uD83D\\uDE4F]"

   这些将指定在Oracle的实现中匹配代码点U + D83D和代码点U + DE01到代码点U + 1F64F的范围。

注意

在Java 5和6，Oracle的实现中，Pattern.u()的实现不会折叠有效的正则表达式转义的代理对"\\uD83D\\uDE01"。结果，模式被解释为2个单独的代理，这将无法匹配任何东西。