编辑：更简单的解决方案

Question

anubhava's answer about matching ranges of unicode characters导致我使用正则表达式来清理特定范围的单个代码点字符。有了它，现在我可以使用以下简单表达式匹配所有miscellaneous symbols in this list（包括表情符号）：

preg_replace('/[\x{2600}-\x{26FF}]/u', '', $str);

但是，我也想匹配此list of paired/double surrogates emoji中的那些，但要匹配nhahtdh explained in a comment：

从d800到dfff的范围可以在UTF-16中指定代理，以允许指定更多字符。 单个代理在UTF-16中不是有效字符（必须有一对来指定有效字符）。

例如，当我尝试这样做时：

preg_replace('/\x{D83D}\x{DE00}/u', '', $str);

仅替换paired surrogates on this list中的第一个，即：

PHP抛出此错误：

preg_replace()：编译失败：不允许使用Unicode代码点(>= 0xd800 && <= 0xdfff)

我尝试了几种不同的组合，包括UTF8 for （'/[\x{00F0}\x{009F}\x{0098}\x{0080}]/u'）中上述代码点的假定组合，但是我仍然无法匹配它。我也研究了其他PCRE pattern modifiers，但似乎u是唯一一个允许指向UTF8的点。

我在这里错过任何“转义”替代吗？

Answer 1

revo's comment above对于找到解决方案非常有帮助：

如果您的PHP未随附针对UTF-16的PCRE版本，则无法执行此类匹配。 从PHP 7.0起，您可以按照以下语法\u{XXXX}使用Unicode代码点，例如preg_replace("~\u{1F600}~", '', $str);（注意双引号）

由于我使用的是PHP 7，因此根据此PHP RFC page on unicode escape的echo "\u{1F602}";输出。该建议实质上是：

为双引号字符串和heredocs添加了新的转义序列。


\u{ codepoint-digits }，其中codepoint-digits由十六进制数字组成。

这意味着preg_replace中的匹配字符串（通常将单引号用于避免弄乱双引号字符串变量扩展）现在需要一些preg_quote magic。这是我想出的解决方案：

preg_replace(
  // single point unicode list
  "/[\x{2600}-\x{26FF}".
  // http://www.fileformat.info/info/unicode/block/miscellaneous_symbols/list.htm
  // concatenates with paired surrogates
  preg_quote("\u{1F600}", '/')."-".preg_quote("\u{1F64F}", '/').
  // https://www.fileformat.info/info/unicode/block/emoticons/list.htm
  "]/u",
  '',
  $str
);

这里是proof of the above in 3v4l。

编辑：更简单的解决方案

在another comment made by revo中，似乎通过将unicode字符直接放入正则表达式字符类中，可以支持单引号字符串和以前的PHP版本（例如4.3.4）：

preg_replace('/[☀-⛿-]/u','YOINK',$str);

要使用PHP 7's new feature though，您仍然需要双引号：

preg_replace("/[\u{2600}-\u{26FF}\u{1F600}-\u{1F64F}]/u",'YOINK',$str);

这里是revo's proof in 3v4l。

PHP：如何匹配一系列Unicode配对的代理表情符号/表情符号？

1 个答案:

编辑：更简单的解决方案