在字符串中替换表情符号会导致奇数字符

Question

我有这个字符串：s = '☀️✈️✈️вьетнам'

我想从中删除表情符号。

所以我正在做：

import re
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)

这给了我一个奇怪的结果，我将其显示为截图，因为我无法将其复制并粘贴到此处。

奇怪的是，你可以看到＆＃34; print＆＃34;告诉我正确的结果。为什么会这样？

Answer 1

我用这段代码试了一下ideone：

import re

s = '☀️✈️✈'
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)
print(new)

输出很好，很空。只是因为我加入了：

print(len(new))

哪个输出：

  

2

我很高兴看到我们正在处理不可打印的字符，这就是为什么你不能把它粘贴在这里。将字符串编码为utf-8：

print(new.encode("utf-8"))

输出

  

B '\ XEF \ XB8 \ X8F \ XEF \ XB8 \ X8F'

看unicodelookup，似乎正则表达式错过了这个字符：

 variation selector-16  0xFE0F