Question

import emoji

def emoji_lis(string):
_entities = []
for pos,c in enumerate(string):
    if c in emoji.UNICODE_EMOJI:
        print("Matched!!", c ,c.encode('ascii',"backslashreplace"))
        _entities.append({
            "location":pos,
            "emoji": c
            })
return _entities

emoji_lis(" مدیحہ  así, se  ds ")

匹配!! \ U0001f467
匹配!! \ U0001f3ff
匹配!! \ U0001f60c
匹配!! \ U0001f495
匹配!! \ U0001f46d

我的代码适用于所有其他表情符号，但我如何检测国家/地区标记？

Answer 1

这是一篇关于如何Unicode encodes country flags的文章。它们表示为两个regional indicator symbols的序列（代码点范围从U + 1F1E6到U + 1F1FF），但显然不是两个符号的每个可能组合对应于一个国家（因此是一个标志）。您可以假设没有“坏”组合发生或维护（或导入）具有（当前）270个有效符号对的集合。

然后有区域旗帜。这些表示为黑色标记代码点（U + 1F3F4），后跟一个tags（代码点U + E0001，范围从U + E0020到U + E007F）拼写区域标识符的序列（例如，用于flag or Wales将是“gbwls”），加上“取消标记”代码点（U + E007F）。

除此之外，你当然还有常规表情符号的表情符号。前面提到的black flag (U+1F3F4)就是其中之一，但你也有triangular flag (U+1F6A9)等等。你应该已经能够检测到其中的大多数，因为它们就像其他表情符号一样。然而，我们在这里做得不够。你有复合表情符号的问题，它影响一些标志，但也影响许多其他表情符号。在你的例子中，你可以看到输入字符串中黑人女性的匹配表情符号是一个“基础”女人表情符号，然后是这个棕色的补丁。这是因为black woman emoji由两个代码点woman (U+1F469)和dark skin tone (U+1F311)组成。在许多其他情况下，您需要两个代码点，中间加上zero-width joiner (U+200D)，以指定您希望它们合并。有时您还需要输入variation selector (typically 16, U+FE0F)来表示您希望将事物用作表情符号。您可以阅读有关此in this article的更多信息。在标志的情况下，你有rainbow flag (U+1F3F3, U+FE0F,‍ U+200D, U+1F308)，它会读作“白旗，变异选择器16（使用白旗表情符号，不是文本），零宽度木匠，彩虹”;或pirate flag (U+1F3F4,‍ U+200D, U+2620, U+FE0F)，其中包括“黑旗，零宽度木匠，骷髅和交叉骨，变异选择器16（使用骷髅和交叉骨表情符号，而非文字）”。

现在，有不同的方法可以处理所有这些，但在您当前的方法中，您一次迭代一个代码点，因此您将无法检测复杂的表情符号。你可以拥有一大堆所有有趣的序列（标志，一些复合表情符号等）并在输入中查找它们。您可以检查当前字符是否为区域指示符号，如果是这种情况，请尝试读取下一个代码点以形成一个标志（并为其余的单个简单表情符号解析）。我不确定你的案例的最佳解决方案是什么（在复杂性/利益权衡方面），但你应该知道表情符号编码的细微差别以及你可能发现的陷阱。

Answer 2

我不认为图书馆的任何地方都可以这样做。但是，这可以通过函数来完成：

\U0001F1E6\U0001F1E8是第一个unicode标志，\U0001F1FF\U0001F1FC是最后一个，因此几乎覆盖了所有这些标志。引起一些问题的Theres 3 more。

这是一个检查输入是否为标志的函数：

def is_flag_emoji(c):
    return "\U0001F1E6\U0001F1E8" <= c <= "\U0001F1FF\U0001F1FC" or c in ["\U0001F3F4\U000e0067\U000e0062\U000e0065\U000e006e\U000e0067\U000e007f", "\U0001F3F4\U000e0067\U000e0062\U000e0073\U000e0063\U000e0074\U000e007f", "\U0001F3F4\U000e0067\U000e0062\U000e0077\U000e006c\U000e0073\U000e007f"]

测试：

>>> is_flag_emoji('a')
False
>>> is_flag_emoji('')
False
>>> is_flag_emoji("""""")
True

因此，您可以相应地将if语句更改为if c in emoji.UNICODE_EMOJI or is_flag_emoji(c):。

但是有一个问题;由于通过连接多个字符来制作很多标记，因此您可能无法识别表情符号。

>>> s
' here is more text  and more'
>>>emoji_lis(s)
Matched!!  b'\\U0001f1fe'
Matched!!  b'\\U0001f1ea'
Matched!!  b'\\U0001f1e9'
[{'location': 0, 'emoji': ''}, {'location': 1, 'emoji': ''}, {'location': 22, 'emoji': ''}]

如何从Python中的字符串中提取表情符号和标志？

2 个答案: