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，但我如何检测国旗🇵🇰？
我认为任何地方都没有库可以做到这一点。但是，这在某种程度上可以通过一个函数来完成：
U0001F1E6U0001F1E8是第一个Unicode标志，U0001F1FFU0001F1FC是最后一个，所以几乎涵盖了所有这些标志。还有 3 个会导致一些问题。
这里有一个函数可以检查输入是否是一个标志：
def is_flag_emoji(c):
return "U0001F1E6U0001F1E8" <= c <= "U0001F1FFU0001F1FC" or c in ["U0001F3F4U000e0067U000e0062U000e0065U000e006eU000e0067U000e007f", "U0001F3F4U000e0067U000e0062U000e0073U000e0063U000e0074U000e007f", "U0001F3F4U000e0067U000e0062U000e0077U000e006cU000e0073U000e007f"]
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):。
不过，这有一个问题;由于很多标志是通过连接多个字符制成的，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': '🇩'}]
这是一篇关于 Unicode 如何编码国旗的文章。它们表示为两个区域指标符号的序列(代码点范围从U+1F1E6到U+1F1FF)，尽管显然不是两个符号的每个可能组合都对应于一个国家(因此是一个国旗)。您可以假设不会发生"坏"组合，或者维护(或导入)具有(当前)270 个有效符号对的集合。
然后是地区旗帜。这些表示为黑色标志代码点 (U+1F3F4)，后跟一系列标记(代码点 U+E0001，范围从 U+E0020 到 U+E007F)，拼写区域标识符(例如，对于标志或威尔士，将是"gbwls")，加上"取消标记"代码点 (U+E007F)。
而且，除此之外，你当然还有看起来像旗帜的常规表情符号。前面提到的黑旗(U+1F3F4)就是其中之一，但你也有三角旗(U+1F6A9)等。其中大多数您应该已经能够检测到，因为它们就像其他表情符号一样。但是，我们在这里还没有完全完成。您有复合表情符号的问题，它会影响某些标志，但也会影响许多其他表情符号。在您的示例中，您可以看到输入字符串中黑人女性的匹配表情符号是一个"基本"女性表情符号，然后是这个棕色补丁。这是因为黑人女性表情符号由两个代码点组成，女人(U+1F469)和深色肤色(U+1F311)。在许多其他情况下，您需要两个代码点，加上两者之间的零宽度连接器 (U+200D)，以指定要合并它们。有时你还需要加入一个变体选择器(通常为 16，U+FE0F)来表明您希望将内容用作表情符号。您可以在本文中阅读有关此内容的更多信息。在标志的情况下，例如彩虹旗(U+1F3F3、U+FE0F、U+200D、U+1F308)，其内容为"白旗，变体选择器 16(使用白旗表情符号，而不是文本)，零宽度连接器，彩虹";或海盗旗(U+1F3F4，U+200D，U+2620，U+FE0F)，其内容为"黑旗，零宽度细木工，骷髅头和交叉骨，变体选择器16(使用骷髅头和十字骨表情符号，而不是文本)"。
现在，有不同的方法可以处理所有这些，但是在当前的方法中，您一次迭代一个代码点，因此您将无法检测到复杂的表情符号。您可以拥有一大组所有有趣的序列(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是区域指示器符号，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(其余部分则使用单个简单的表情符号)。我不确定适合您的情况的最佳解决方案是什么(在复杂性/收益权衡方面)，但您应该了解表情符号编码的细微差别以及您可能会发现的陷阱。