如何在Scala中识别表情符号？

Question

我正在处理来自Twitter API的推文，很多推文都带有表情符号。我试图跟踪最常用的表情符号，但实际上我很难识别它们。

我正在使用：https://github.com/iamcal/emoji-data 来识别表情符号。

我不知道如何确定一个字符串是否包含表情符号。我尝试使用正则表达式与表情数据中的“统一”字段，也尝试仅检查字符串是否包含该字段。我真的不确定如何检查表情符号... 任何帮助将不胜感激。

val pattern = new Regex("(${a.unified})")
(pattern findAllIn text).mkString(",")

我尝试使用正则表达式，但无法找到任何表情符号。我还尝试在来自表情符号数据的统一字段之前添加\u，但这并没有帮助。

- user2767260

---

我尝试使用正则表达式与表情符号数据的“unified”字段进行匹配 - 展示你尝试过的代码。 - l'L'l

Answer 1

您可以使用以下正则表达式来查找表情符号（以及Unicode语言平面之外的其他字符）： [^\u0000-\uFFFF] 例如，我们使用以下代码从字符串中过滤掉表情符号： "some string".replaceAll("[^\u0000-\uFFFF]", ""); 希望对您有所帮助。

- Chris

---

那个正则表达式过滤掉了所有非拉丁字母表的符号，而不仅仅是表情符号。例如，你可以试试用它来过滤斯拉夫语字母。 - Valery Ryaboshapko

Answer 2

你的代码已经接近工作状态了。要从 text 中提取表情符号，请尝试以下方法：

"""\p{block=Emoticons}""".r.findAllIn(text).mkString

例如：

scala> val text = "Use regex and now you have two problems  "
scala> """\p{block=Emoticons}""".r.findAllIn(text).mkString
res0: String = 

- darrenmc

---

不幸的是，它在复杂的表情符号上失败了，例如 ‍‍ 或只有 - Valery Ryaboshapko

@ValeryRyaboshapko 给正则表达式添加一些额外的块： """[\p{block=Emoticons}\p{block=Miscellaneous Symbols and Pictographs}\p{block=Supplemental Symbols and Pictographs}]""".r.findAllIn("‍‍ or just ").mkString 返回（不幸的是没有给出家庭表情符号） - darrenmc

@darrenmc 我遇到了一个错误，提示程序无法识别补充符号和象形文字。我需要导入任何库来将它们添加到我的正则表达式中吗？ - tharindu

@tharindu，你不需要任何额外的导入，因为这已经内置在Java标准库中了。但是，你需要使用Java 10或更高版本才能支持“补充符号和象形文字”。 - darrenmc