移除✅🔥✈♛；以及来自Java字符串的其他类似表情/图像/符号

我有一些字符串，里面有各种不同的表情/图像/符号

并非所有字符串都是英语的，其中一些字符串是其他非拉丁语言的，例如：

▓ 铁路？？
→ 猫和狗
基于您有1644个不同的Unicode代码点要删除，我选择了。例如
✅在此列表中为

有了完整的表情符号列表，你需要使用。在单个
字符
或
字节
上迭代将不起作用，因为单个代码点可以跨越多个字节。因为Java使用UTF-16，所以emojis通常需要两个
char
s

String input = "ab✅cd";
for (int i = 0; i < input.length();) {
  int cp = input.codePointAt(i);
  // filter out if matches
  i += Character.charCount(cp); 
}

或者因为Java支持Unicode字符串：

int viSign = "✅".codePointAt(0);

与其将某些元素列入黑名单，不如创建一个您希望保留的字符的白名单？这样你就不必担心每一个新的表情符号被添加

String characterFilter = "[^\\p{L}\\p{M}\\p{N}\\p{P}\\p{Z}\\p{Cf}\\p{Cs}\\s]";
String emotionless = aString.replaceAll(characterFilter,"");

因此：


[\\p{L}\\p{M}\\p{N}\\p{p}\\p{Z}\\p{Cf}\\p{Cs}\\s]
是一个范围，表示所有数字（
\\p{N}
）、字母（
\\p{L}
）、标记（
\\p{M}
）、标点（
\\p}
\\p}
\\p}）、空格/格式（
\\p}）、其他（
\\p{Cs}
）中
U+FFFF
上方的其他字符，以及换行符（
\\s
）
\\p{L}
特别地包括来自其他字母的字符，如西里尔字母、拉丁字母、汉字等
正则表达式字符集中的
^
将使匹配项无效

例如：

String str = "hello world _# 皆さん、こんにちは！　私はジョンと申します。I'm not super into Java, so I won't try to write example code inline, but the way I would do this is to check what Unicode calls "the general category" of each character. There are a couple letter and punctuation categories.


You can use Character.getType to find the general category of a given character. You should probably retain those characters that fall in these general categories:


COMBINING_SPACING_MARK
CONNECTOR_PUNCTUATION
CURRENCY_SYMBOL
DASH_PUNCTUATION
DECIMAL_DIGIT_NUMBER
ENCLOSING_MARK
END_PUNCTUATION
FINAL_QUOTE_PUNCTUATION
FORMAT
INITIAL_QUOTE_PUNCTUATION
LETTER_NUMBER
LINE_SEPARATOR
LOWERCASE_LETTER
MATH_SYMBOL
MODIFIER_LETTER
MODIFIER_SYMBOL
NON_SPACING_MARK
OTHER_LETTER
OTHER_NUMBER
OTHER_PUNCTUATION
PARAGRAPH_SEPARATOR
SPACE_SEPARATOR
START_PUNCTUATION
TITLECASE_LETTER
UPPERCASE_LETTER

String str=“你好，世界”皆さん、こんにちは！　私はジョンと申します。 我不太喜欢Java，所以我不会尝试内联编写示例代码，但我要做的是检查Unicode对每个字符的“一般类别”是什么

您可以使用查找给定字符的常规类别。您可能应该保留属于这些常规类别的字符：

package zmarcos.emoji;

import java.util.Arrays;
import java.util.HashSet;
import java.util.Set;

public class TestEmoji {

    public static void main(String[] args) {
        String[] arr = {"Remove ✅, ICU4J is your friend.


UCharacter.hasBinaryProperty(UProperty.EMOJI);

（您列出的所有特别想要删除的字符都有通用类别
其他\u符号，我没有将其包括在上面的类别白名单中。）
我在下面举了一些例子，认为拉丁语就足够了，但是

有没有办法从输入字符串中删除所有这些符号
只保留不同语言中的字母和标点符号

编辑之后，使用
Character.getType
方法开发了一个新的解决方案，这似乎是最好的解决方案

$('#text').remove('emoji').fast()

包zmarcos.emoji；
导入java.util.array；
导入java.util.HashSet；
导入java.util.Set；
公共类测试工具{
公共静态void main（字符串[]args）{
字符串[]arr={“删除”✅,  ICU4J是你的朋友

EmojiUtils.removeEmoji(str)

请记住保持您的icu4j版本为最新版本，并注意这只会过滤掉官方Unicode表情符号，而不是符号字符。请根据需要结合过滤掉其他字符类型

更多信息：
使用名为RM Emoji的jQuery插件。它的工作原理如下：

这是一种快速模式，可能会错过一些表情符号，因为它使用启发式算法在文本中查找表情符号。使用
.full（）
方法扫描整个字符串并删除所有表情符号。
尝试此项目

与表情符号12.0兼容（2018.10.15）

简单地说：

你想保留什么？两个问题：什么是EmojiParser？似乎不是标准库的一部分，所以这一点没有多大帮助。你到底想过滤哪些字符？你说“更多的此类字符”，但是有很多角色组和家庭。我们需要更多地了解你的标准。IDK你的动机是什么，但如果它太过过滤文本输入：不要。我厌倦了被迫使用a-zA-Z。让我用我的母语，或表情符号，或我想要的任何东西来写。我真的想要我的日历约会吗"请澄清您到底想保留和删除什么。表面上看，这个问题似乎很清楚，但由于Unicode的复杂性，因此不可能提供一个好的答案。当它破坏了至少一个示例的含义时，这似乎是一件奇怪的事？非常有用的列表。Interesting使用removeAllEmojis方法调用EmojiParser无法处理这些…：-）@Bergi:No，因为
input.codePointAt
最多只能查看2个字符，这是一个常量上限。另外（新添加的）
i+=Character.charCount（cp）
跳过所有
input.codepoint
检查过的字符（在某些情况下为-1）。@OlivierGrégoire:
String.chars（）
在字符而非代码点上进行流式处理。这有一种单独的方法。这里至少有两个问题：您使用的是一个“封闭”表情列表，因此每年都必须对其进行扩展（但这可能不容易解决），并且这段代码可能无法正确处理代码点序列（参见示例）这与EmojiParser使用的方法基本相同，并且由于相同的原因很快就会失败。新的emojis会相对频繁地添加到Unicode字符数据库中，如果您现在正在为负规则集实施一个使用当前定义的1644 emojis的解决方案，那么一旦新的emojis可用，实现就会失败标签。ASCII字母数字字符和表情符号之间的明显差距是重音和非拉丁字母。没有OP的输入，我们不知道这是否是一个好答案（但不是我的DV）是的，我很好奇为什么这可能会被否决。当我看到这个问题时，我首先想到的绝对是正则表达式（P.S.因为他在寻找标准字符和标点符号，我会使用类似于
[^\w\^-\[\]\！@$%&*
EmojiUtils.removeEmoji(str)