Question

我需要在文本

中提取数字和表情符号之间的文本

示例文字：

blah xzuyguhbc ibcbb bqw 2 extract1  ☺️ jbjhcb 6 extract2  bjvcvvv

输出：

extract1
extract2

我写的正则表达式代码提取了两个数字之间的文本，我需要更改识别unicode表情符号字符的部分，并在它们之间提取文本。

(?<=[\s][\d])(.*?)(?=[\d])

请建议一个python友好的方法，我需要它与所有的表情符号一起工作不仅是示例中给出的那个

https://regex101.com/r/uT1fM0/1

Answer 1

由于有许多表情符号with different unicode values，您必须在正则表达式中明确指定它们，或者如果它们具有特定范围，则可以使用字符类。在这种情况下，你的第二个simbol不是一个标准的表情符号，它只是一个unicode字符，但由于它大于\u263a（☺️的unicode表示），你可以把它放在\u263a的范围内：

In [71]: s = 'blah xzuyguhbc ibcbb bqw 2 extract1  ☺️ jbjhcb 6 extract2  bjvcvvv'

In [72]: regex = re.compile(r'\d+(.*?)(?:\u263a|\U0001f645)')

In [74]: regex.findall(s)
Out[74]: [' extract1  ', ' extract2 ']

或者如果你想匹配更多的表情符号，你可以使用一个字符范围（这里有一个很好的参考资料，可以显示不同表情符号http://apps.timwhitlock.info/emoji/tables/unicode的适当范围）：

In [75]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]')

In [76]: regex.findall(s)
Out[76]: [' extract1  ', ' extract2 ']

请注意，在第二种情况下，您必须确保所有具有上述范围的字符都是您想要的表情符号。

这是另一个例子：

In [77]: s = "blah 4 xzuyguhbc  ibcbb bqw 2 extract1  ☺️ jbjhcb 6 extract2  bjvcvvv"

In [78]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]')

In [79]: regex.findall(s)
Out[79]: [' xzuyguhbc ', ' extract1  ', ' extract2 ']

Answer 2

这是我对解决方案的抨击。不确定它是否适用于所有情况。诀窍是将所有unicode表情符号转换为普通文本。这可以通过以下this post完成。然后您可以像对待任何普通文本一样匹配表情符号。请注意，如果文字字符串\u或\U位于您的搜索文本中，它将无法使用。

示例：将字符串复制到文件中，我们将其称为emo。在终端：

Chip chip@ 03:24:33@ ~: cat emo | python stackoverflow.py
blah xzuyguhbc ibcbb bqw 2 extract1  \u263a\ufe0f jbjhcb 6 extract2 \U0001f645 bjvcvvv\n
------------------------
[' extract1  ', ' extract2 ']

stackoverflow.py文件位于：

import fileinput
a = fileinput.input();
for line in a:
    teststring = unicode(line,'utf-8')
    teststring = teststring.encode('unicode-escape')

import re
print teststring
print "------------------------"
m = re.findall('(?<=[\s][\d])(.*?)(?=\\\\[uU])', teststring)
print m

Answer 3

根据您的需要，这可能或不起作用。如果您提前知道表情符号，虽然这可能会有效，但您只需要一个表达类型的表情符号列表。

无论如何，如果没有更多信息，这就是我要做的事情。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

my_regex = re.compile(r'\d\s*([^☺️|^]+)')

string = "blah xzuyguhbc ibcbb bqw 2 extract1  ☺️ jbjhcb 6 extract2  bjvcvvv"

m = my_regex.findall(string)
if m:
  print m

匹配python正则表达式中的unicode表情符号

3 个答案: