JavaScript中查找字符串中的表情符号并解析

Question

经过大量的研究，我发现可以使用Twemoji库实时解析表情符号。

现在，我需要找出如何识别文本中是否含有表情符号，获取该表情符号的位置并执行解析函数。

下面是一些示例文本：

It is a great day .

需要在整个字符串中找到符号，使用以下函数获取其十六进制代码，返回代理对并解析使用Twemoji库。

function entityForSymbolInContainer(selector) {
    var code = data.message.body.codePointAt(0);
    var codeHex = code.toString(16);
    while (codeHex.length < 4) {
        codeHex = "0" + codeHex;
    }

    return codeHex;
}

// Get emoji hex code
    var emoji = entityForSymbolInContainer(data.message.body);
// For given an HEX codepoint, returns UTF16 surrogate pairs
    var emoji = twemoji.convert.fromCodePoint(emoji);
// Given a generic string, it will replace all emoji with an <img> tag
    var emoji = twemoji.parse(emoji);

我正在使用以下检查来查看文本中是否有表情符号。问题是对于一个简单的咧嘴笑脸()它不会向我发出警报。然而，如果我输入“衬衫和领带”(),它将向我发出警报。

var string = "It is a great day .";
var emojiRegex = /([\uE000-\uF8FF]|\uD83C[\uDF00-\uDFFF]|\uD83D[\uDC00-\uDDFF])/g;

if (string.match(emojiRegex)) {
    alert("emoji found");
}

请帮忙解决正则表达式无法识别表情符号的问题。之后，我应该能够在字符串中找到它。谢谢！

- Matt Pierce

---

是U+1F600，它在UTF-16中编码为\uD83D\uDE00。您的正则表达式并不认为它是一个表情符号。（它停在\uD83D\uDDFF处。） - Raymond Chen

好的，谢谢您的澄清。您知道有没有更完整的正则表达式资源？ - Matt Pierce

在开发检测表情符号的算法之前，您首先需要明确定义什么是表情符号。编写正则表达式的人没有将U+1F600视为表情符号。 - Raymond Chen

Answer 1

现在，随着ES2018的出现，我们可以在正则表达式匹配中使用Unicode属性转义：

\p{…}

对于简单的表情符号，可以这样做：

"Be kind , smile".match(/\p{Emoji}+/gu)

对于包含使用 ZERO WIDTH JOINER 粘合的表情符号，例如 ‍‍‍，处理方式如下：

"My Family ‍‍‍".match(/[\p{Emoji}\u200d]+/gu)

- Litzer

---

短小高效！谢谢！ - GuilleW

第二个正则表达式在多个表情符号在一起时会出错。以下是有效的：\p{Emoji}(\u200d\p{Emoji})*，因为它只匹配与零宽度连接器连接的表情符号列表，而不是将它们混合在任何地方。 - jameshfisher

Answer 2

在2021年，使用ES6带来的正则表达式中对unicode的支持是最佳的方法。

它非常简单，只需使用以下正则表达式：

/(\p{Emoji_Presentation}|\p{Extended_Pictographic})/gu

例如，这个简单的函数将用空格替换字符串中的所有表情符号：

function removeEmojis(str) {
    var emojiRE = /(\p{Emoji_Presentation}|\p{Extended_Pictographic})/gu;
    return str.replace(emojiRE, '');
}

removeEmojis('This ❌ hs some  emojis inside'); //'This  hs some  emojis inside'

它同时使用了Emoji_Representation和Extended_Pictographic属性，因此在搜索中不计算数字、#和*，正如Unicode标准所示。

我们也可以使用这些属性的缩写来缩短正则表达式： /(\p{EPres}|\p{ExtPict})/gu 您可以在此处测试它：

function removeEmojis(str) {
    var emojiRE = /\p{EPres}|\p{ExtPict}/gu;
    return str.replace(emojiRE, '');
}

var testStr = 'This ❌ hs some  emojis inside';
console.log('Test string: ' + testStr);
console.log('Result: ' + removeEmojis(testStr));

- jalarcon

---

这很好，但不包括使用零宽连接器的表情符号。最终我使用了：/(\p{EPres}|\p{ExtPict})(\u200d(\p{EPres}|\p{ExtPict}))*/gu - jameshfisher

Answer 3

这篇文章给出了一个非常全面的正则表达式，用于匹配表情符号，并且有很好的解释。他的正则表达式是基于lodash库发布的那个。

(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32-\ude3a]|[\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])

https://medium.com/@thekevinscott/emojis-in-javascript-f693d0eb79fb

- Wajih ur Rahman

Answer 4

这确定评论中是否有表情符号。

var unified_emoji_ranges = ['\ud83c[\udf00-\udfff]','\ud83d[\udc00-\ude4f]','\ud83d[\ude80-\udeff]'];

var reg = new RegExp(unified_emoji_ranges.join('|'), 'g');

var string = "It is a great day .";

if (string.match(reg)) {
    alert("emoji found");
}

- Daxesh Prajapati

---

请添加解释 :) - Jack Steam

对我来说没有起作用 ✅ - SoluableNonagon

Answer 5

如果有人仍在寻找JS中查找字符串中的表情符号的解决方案。

可以使用以下库（emoji-regex）。

这里是一个示例，将给定字符串中的所有表情符号转换为Unicode十六进制字符表示：

import emojiRegex  from 'emoji-regex/RGI_Emoji.js';
const emojiRegexPattern = emojiRegex();
const stringThatMightHaveEmojis = ...; //some string that can contain emoji's..

stringThatMightHaveEmojis.replace(emojiRegexPattern,(m, idx) => {
      return `${m.codePointAt(0).toString(16)}]`;
    })

在该库的文档中有更多的示例。

此外，我偶然发现了一篇有用的文章，解释如何解析表情符号，可以在这里找到codePointAt函数。

- coderrr22

Answer 6

问题：

JavaScript将字符串定义为UTF-16代码单元序列，而不是字符或代码点序列。

（引用自下面的来源）

您必须使用代理对设置RegExp：

我在这里找到了一个很好的解决方案/解释parsing emoji unicode in javascript，它不需要额外的库。 这里还有一个在线Surrogate Pair Calculator。

而在您的情况中：

/\uD83D\uDE00/

regex101

- CarpeDiemKopi