如何在Python中正确迭代unicode字符

我想迭代一个字符串并输出所有表情

我试图迭代这些字符，并根据一个

然而，python似乎将unicode字符分割成更小的字符，破坏了我的代码。例如：

>>> list(u'Test \U0001f60d')
[u'T', u'e', u's', u't', u' ', u'\ud83d', u'\ude0d']

知道为什么u'\U0001f60d'被拆分了吗

或者，有什么更好的方法来提取所有表情符号？这是我最初的提取代码：

def get_emojis(text):
  emojis = []
  for character in text:
    if character in EMOJI_SET:
      emojis.append(character)
  return emojis

试试这个

import re
re.findall(r'[^\w\s,]', my_list[0])

---

regex

r'[^\w\s，]

匹配任何非单词、空格或逗号的字符。

Python pre-3.3在内部使用UTF-16LE（窄版）或UTF-32LE（宽版）存储Unicode，并向用户公开此详细信息。UTF-16LE用于将U+FFFF以上的Unicode字符表示为两个代码点。使用广泛的Python构建或切换到Python 3.3或更高版本来修复此问题

处理窄构建的一种方法是匹配代理项对：

Python 2.7（窄版本）：

Python 3.6：

>s='Test\U0001f60d'
>>>莱恩(s)
6.
>>>名单
我无法在Python2.7或Python2.6上复制它（而且我手头没有旧版本）。当我查看
列表（u'Test\U0001f60d'）
时，我得到
[u'T'，u'e'，u's'，u'T'，u'\U0001f60d']
。您使用的是哪一版本的Python？这是unicode字符的宽度。这应该在python3.3+中得到修复，在python3.3+中，内部表示形式也可以翻转循环并在表情符号上迭代，而不是将表情符号拆分为两个字符的原始字符串：
>>re.findall（r'[^\w\s，]'，u'Test U0001f60d'）
[u'\ud83d'，u'\ude0d']
>>> s = u'Test \U0001f60d'
>>> len(s)
7
>>> re.findall(u'(?:[\ud800-\udbff][\udc00-\udfff])|.',s)
[u'T', u'e', u's', u't', u' ', u'\U0001f60d']