在文件中提取的推文中计算表情符号的数量

Question

我在csv文件中删除了许多推文（utf-8）。我试图运行一个python代码来计算每个推文中的表情符号数量。表情符号出现在文件中如下： -  DY”©DY”©DY”©DY”©DY”©

现在我不知道如何识别这些。 我试图将整个tring转换为unicode，然后通过以下代码计算它们：   s=str(strs, "unicode") print(s) print(strs) emoti = re.finditer(r'[\U0001f600-\U0001f650]', s) count = sum(1 for _ in emoti)

但它给出了错误，因为不支持解码str 我不能再收集所有的推文，我需要数不。同一组推文上的表情符号。任何人都可以告诉他们如何去做吗？ 在此先感谢

Answer 1

如果您拥有此字符串：

'💩💩💩💩💩'

使用错误的编解码器解码。它看起来像cp1252（Windows ANSI默认值）。使用不正确的编码对其进行重新编码，然后使用utf8对其进行解码。更好的是，修复错误解码的来源。

>>> '💩💩💩💩💩'.encode('cp1252')
b'\xf0\x9f\x92\xa9\xf0\x9f\x92\xa9\xf0\x9f\x92\xa9\xf0\x9f\x92\xa9\xf0\x9f\x92\xa9'
>>> '💩💩💩💩💩'.encode('cp1252').decode('utf8')
''

不幸的是，表情符号没有单一范围的Unicode字符。请参阅unicode.org网站上的emoji-test.txt。该特定字符为U + 1F4A9，超出了您在示例代码中指定的Unicode范围。