Skip to main content
 首页 » 编程设计

python之用空格环绕表情符号

2025年02月15日11zhwl

我用了this post制作一个可以在文本字符串中找到表情符号的正则表达式,并在两边简单地粘贴一些空格字符。我的正则表达式代码:

try: 
    # Wide UCS-4 build 
    oRes = re.compile(u'[' 
        u'\U0001F300-\U0001F64F' 
        u'\U0001F680-\U0001F6FF' 
        u'\u2600-\u26FF\u2700-\u27BF]+',  
        re.UNICODE) 
except re.error: 
    # Narrow UCS-2 build 
    oRes = re.compile(u'(' 
        u'\ud83c[\udf00-\udfff]|' 
        u'\ud83d[\udc00-\ude4f\ude80-\udeff]|' 
        u'[\u2600-\u26FF\u2700-\u27BF])+',  
        re.UNICODE) 
 
s2 = oRE.sub(r'  \1  ', s1) 

但是,在删除表情符号时,我遇到了一些非常奇怪的行为,如下例所示。任何意见,将不胜感激。我在 MacBook 上使用 Python。谢谢。

输入

هيلاري كلينتون "متنحة"وتشير إلى عملي٩ غ في ولاي٩ بانسيلفانيا العتيق٩ اقائٯٯ: "وات ..₩

输出

هيلاري كلينتون "متنحة"وتشير إلى عملي٩ غ في ولاي٩ بانسيلفانيا العتيق٩ اقائٯٯ: "وات ..₩

请您参考如下方法:

一旦我更正了正则表达式中圆括号的位置,以下内容对我有用。在 try block 中,如果要创建组 \1,则需要将整个内容括起来;在except block 中,圆括号中需要include+,否则\1组只会捕获多个相关字符中的第一个。

import re 
with open('input.txt', 'rb') as f: 
    s1 = f.read().decode('utf-8').strip() 
 
try: 
    # Wide UCS-4 build 
    oRes = re.compile(u'([' 
        u'\U0001F300-\U0001F64F' 
        u'\U0001F680-\U0001F6FF' 
        u'\u2600-\u26FF\u2700-\u27BF]+)',  
        re.UNICODE) 
except re.error: 
    # Narrow UCS-2 build 
    oRes = re.compile(u'((' 
        u'\ud83c[\udf00-\udfff]|' 
        u'\ud83d[\udc00-\ude4f\ude80-\udeff]|' 
        u'[\u2600-\u26FF\u2700-\u27BF])+)',  
        re.UNICODE) 
 
s2 = oRes.sub(r'  \1  ', s1) 
 
with open('output.txt', 'wb') as f: 
    f.write((s1+'\n').encode('utf-8')) 
    f.write((s2+'\n').encode('utf-8')) 

至于字符的反转,那一定是输入/输出或复制/粘贴链中某个步骤的产物,没有正确处理阿拉伯语从右到左的性质。它不会发生在我身上。当我在 MacBook 上的 TextWrangler 中打开 output.txt 时,结果看起来不错。