在Python中从字符串中删除表情符号

我在Python中找到了用于删除表情符号的代码，但它不起作用。你能帮我修改其他代码吗

我观察到我所有的emjoi都以

\xf

开头，但是当我尝试搜索

str.startswith（“\xf”）

时，我得到了无效字符错误

emoji_pattern = r'/[x{1F601}-x{1F64F}]/u'
re.sub(emoji_pattern, '', word)

以下是错误：

Traceback (most recent call last):
  File "test.py", line 52, in <module>
    re.sub(emoji_pattern,'',word)
  File "/usr/lib/python2.7/re.py", line 151, in sub
    return _compile(pattern, flags).sub(repl, string, count)
  File "/usr/lib/python2.7/re.py", line 244, in _compile
    raise error, v # invalid expression
sre_constants.error: bad character range

但这仍然不能移除表情符号并显示它们！有什么线索吗？

---

因为

[…]

表示一组字符中的任何一个，并且因为一组中由破折号分隔的两个字符表示一个字符范围（通常是“a-z”或“0-9”），所以您的模式表示“斜杠，后跟包含x，{，1，F，6，0，1，范围}到x，{，1，F，6，4，F或}的组中的任何字符”在中间的那个范围是RE调用坏字符范围的方法。在Python 2上，

< p>，你必须使用<代码> u′/Code >文字来创建Unicode字符串。而且，你应该通过<代码> R.Unicode < /Code >标志，并将输入数据转换成Unicode（例如，<代码>文本=数据。解码（“UTF 8”））：

输出

---

This dog如果您使用的是已接受答案中的示例，但仍然出现“坏字符范围”错误，那么您可能使用的是窄版本（有关详细信息）。重新格式化的regex版本似乎有效：

NON_BMP_RE = re.compile(u"[^\U00000000-\U0000d7ff\U0000e000-\U0000ffff]", flags=re.UNICODE)
NON_BMP_RE.sub(u'', unicode(text, 'utf-8'))

我接受了这个答案，其他人也为我工作了一段时间，但我最终决定将所有字符从中删除。这不包括将来添加到其他Unicode平面（表情符号等存在的地方），这意味着我不必每次添加新的Unicode字符时都更新代码：）

在Python 2.7中，如果文本尚未转换为unicode，请使用下面的负正则表达式（subs anynot在正则表达式中，这是BMP中的所有字符，但用于创建2字节字符的代理项除外）

完成以下步骤的步骤：

import emoji
def give_emoji_free_text(text):
    allchars = [str for str in text.decode('utf-8')]
    emoji_list = [c for c in allchars if c in emoji.UNICODE_EMOJI]
    clean_text = ' '.join([str for str in text.decode('utf-8').split() if not any(i in str for i in emoji_list)])
    return clean_text

尝试了所有答案，不幸的是，他们没有删除新的拥抱脸表情我正在通过@jfs更新我的答案，因为我以前的答案没有考虑其他Unicode标准，如拉丁语、希腊语等。StackOverFlow不允许我删除我以前的答案，因此我正在更新它以匹配最可接受的答案o问题

！/usr/bin/env python
进口稀土
text=u'这是一张笑脸\U0001f602'
打印（文本）#使用表情符号
def deEmojify（文本）：
regrex_pattern=re.compile（pattern=“[”
u“\U0001F600-\U0001F64F”#表情符号
u“\U0001F300-\U0001F5FF”#符号和象形文字
u“\U0001F680-\U0001F6FF”#运输和地图符号
u“\U0001F1E0-\U0001F1FF”标志（iOS）
“]+”，标志=re.UNICODE）
返回regrex_pattern.sub（r''，文本）
打印（文本）

这是我以前的回答，不要用这个

defmojify（输入字符串）：
返回inputString.encode（'ascii'，'ignore'）.decode（'ascii'））
如果您不喜欢使用regex，最好的解决方案可能是使用

下面是一个返回表情符号自由文本的简单函数（多亏了它）：

如果您正在处理包含表情符号的字符串，那么这很简单

# Emojis pattern
emoji_pattern = re.compile("["
                u"\U0001F600-\U0001F64F"  # emoticons
                u"\U0001F300-\U0001F5FF"  # symbols & pictographs
                u"\U0001F680-\U0001F6FF"  # transport & map symbols
                u"\U0001F1E0-\U0001F1FF"  # flags (iOS)
                u"\U00002702-\U000027B0"
                u"\U000024C2-\U0001F251"
                u"\U0001f926-\U0001f937"
                u'\U00010000-\U0010ffff'
                u"\u200d"
                u"\u2640-\u2642"
                u"\u2600-\u2B55"
                u"\u23cf"
                u"\u23e9"
                u"\u231a"
                u"\u3030"
                u"\ufe0f"
    "]+", flags=re.UNICODE)

这是我的解决方案。此解决方案删除了python无法拒绝的其他男性和女性表情符号，将字符串转换为另一个字符集可能会有所帮助：

import emoji
import re


def strip_emoji(text):

    print(emoji.emoji_count(text))

    new_text = re.sub(emoji.get_emoji_regexp(), r"", text)

    return new_text


with open("my_file.md", "r") as file:
    old_text = file.read()

no_emoji_text = strip_emoji(old_text)

with open("file.md", "w+") as new_file:
    new_file.write(no_emoji_text)

亲切问候。
我试图收集unicodes的完整列表。
我用它从推特中提取表情符号，它对我来说非常好

import re
result = re.sub('[(\U0001F600-\U0001F92F|\U0001F300-\U0001F5FF|\U0001F680-\U0001F6FF|\U0001F190-\U0001F1FF|\U00002702-\U000027B0|\U0001F926-\U0001FA9F|\u200d|\u2640-\u2642|\u2600-\u2B55|\u23cf|\u23e9|\u231a|\ufe0f)]+','','A quick brown fox jumps over the lazy dogThis is the easiest code for remove all emoji.

import emoji

def remove_emojis(text: str) -> str:
    return ''.join(c for c in text if c not in emoji.UNICODE_EMOJI)

下面是一个Python 3脚本，它使用表情库的
get\u emoji\u regexp（）
——正如kingmakerking和Martijn Pieters在回答/评论中所建议的那样

它从一个文件中读取文本，并将表情符号自由文本写入另一个文件

sent_0 = re.sub('[^A-Za-z0-9]+', ' ', sent_0)

删除表情符号的完整版本

✍  最好的解决方案是使用外部库。这个库不断更新最新的表情符号，因此可以在任何文本中找到它们。与删除所有unicode字符的ascii解码方法不同，此方法保留这些字符并仅删除表情符号

如果没有，请首先安装表情库：
pip install emoji
下一步在文件/项目中导入表情符号：
import emoji
现在要删除所有表情符号，请使用以下语句：
emoji.get\u emoji\u regexp（）.sub（“，msg）
其中msg是要编辑的文本
这就是您所需要的。
我知道这可能与所问的问题没有直接关系，但它有助于解决从文本中删除表情符号的家长问题。python中有一个名为的模块，它可以非常准确地完成此任务，并删除几乎所有类型的表情符号。它还定期更新，以提供最新的表情符号删除支持。
用于删除表情符号。使用replace（文本“”）
。
对于我来说，在python 3.8中，以下内容用于替换表情符号：

(?:[\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])

重新导入
这一次（以下以下简称：：（（（\U0000001F600-\U0000001F600-\U0000001ff0000f3-\U0000001Ff5）杰夫124；\U0001F680-\U0001F680-\U0000001F600-\U0000001f0001f0000F92F-\U00001f0003-\U0001fff5-FFFFF5-FFF杰夫（以下以下？？；；；；；；；；；；；；\U0001f4-U0001ff5-U0001ff5-\U0001ffff5-U0001FGGGGGGGGGGGGGGGGGGGGGGGGGfff6-\U0001F6-\U0001F6-\U0001F6-\U0001F6-\U0001F6-\ff删除所有表情符号的代码

emoji_pattern = re.compile(
    u"(?:[\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])"
    "+", flags=re.UNICODE)

我只是使用正则表达式删除了所有特殊字符，这对我来说很有效

$ pip3 install emoji

对于仍在使用Python 2.7的用户，这可能会有所帮助：

import emoji
import re


def strip_emoji(text):

    print(emoji.emoji_count(text))

    new_text = re.sub(emoji.get_emoji_regexp(), r"", text)

    return new_text


with open("my_file.md", "r") as file:
    old_text = file.read()

no_emoji_text = strip_emoji(old_text)

with open("file.md", "w+") as new_file:
    new_file.write(no_emoji_text)

因此，要在代码中使用它，它将有点像这样：

现在我们实际上不再使用Python 2.7了，为什么还需要这样做呢？一些系统/Python实现仍然使用Python 2.7，比如Amazon Redshift中的Python UDF。
我可以通过以下方式摆脱表情符号

表情符号安装

导入表情符号
def remove_表情符号（字符串）：
返回emoji.get_emoji_regexp（）.sub（u''，字符串）
表情='（｀ヘ'）表情符号不受限制
sent_0 = re.sub('[^A-Za-z0-9]+', ' ', sent_0)

(?:[\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])

emoji_pattern = re.compile(
    u"(?:[\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])"
    "+", flags=re.UNICODE)

$ pip3 install emoji