正则表达式 – 在字符串中替换表情符号会产生奇数字符

2023年6月20日 309次阅读

我有这个字符串：s =’☀️✈️✈️вьетнам’

我想从中删除表情符号.

所以我在做：

import re
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)

这给了我一个奇怪的结果,我显示为截图,因为我无法复制并粘贴它.

《正则表达式 – 在字符串中替换表情符号会产生奇数字符》

奇怪的是,你可以看到“打印”显示正确的结果.为什么会这样？

最佳答案 我用这段代码给了ide​​one一个镜头：

import re

s = '☀️✈️✈'
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)
print(new)

而且输出是空的.只是因为我加入了：

print(len(new))

哪个输出：

2

我很高兴看到我们正在处理不可打印的字符,这就是为什么你不能把它粘贴在这里.将字符串编码为utf-8：

print(new.encode("utf-8"))

输出

b’\xef\xb8\x8f\xef\xb8\x8f’

看看unicodelookup似乎正则表达式错过了这个字符：

 variation selector-16  0xFE0F
点赞