Python，删除UTF8 MySQL数据库无法处理的字符，如表情符号

如何替换字符，例如emojisMySQL的

utf8

精确编码基本多语言平面（BMP）。您需要从补充平面中排除所有代码点，而不是专门的表情符号，因为在MySQL中，这些代码点需要

utf8mb4

>>> u"abcd ♥ \ud83c".encode("utf-8", errors="replace").decode("utf-8")
'abcd ♥ ?'

由于您似乎是针对16位而不是32位宽的字符串进行匹配，BMP之外的代码点在

0xD800..0xDBFF

范围内被编码为所谓的“高代理”，然后在

0xDC00..0xDFFF

范围内被编码为“低代理”。因此，相应的正则表达式为：

u'[\ud800-\udbff][\udc00-\udfff]'

---

♥ 将不匹配，因为它是

u'\u2665'

。我认为严格地说，如果后面跟有变体选择器

U+FE0F

，它只是一个表情符号，但无论如何它都安全地放在BMP中。

如果你不知道，mysql可以用utf8mb4处理表情符号。是的，谢谢！我肯定想在某个时候更改它，但是现在不能让站点关闭几个小时来重新启动MySQL数据库。你链接到的页面上没有这些代码：是你将其转换为与16位而不是32位宽的字符相匹配吗？啊！进行了编辑。这是在另一个页面上给出的错误“UnicodeDecodeError:'ascii'编解码器无法解码位置0:ordinal不在范围（128）中的字节0xe2”，因为@Quinchilion正在使用Python3。在Python2中，这应该是

u“abcd♥ \ud83c“.encode（“utf-8”，errors=“replace”）.decode（“utf8”）

@SteveJessop你说得对，谢谢。为兼容性而编辑。感谢您抽出时间！这次没有错误，但是表情符号没有被替换。我继续，并将另一个答案设置为正确。这似乎有效，谢谢！这留下了我的心和一些汉字。regexp将其转换为emojiemoji。总是3次吗？@user984003:我无法重现你的结果，我得到

re.sub（u'[\ud800-\udbff][\udc00-\udfff]，'EMOJI'，u'\ud83d\ude00'）=='EMOJI'

，就一次。我使用

u'\ud83d\ude00'

作为输入字符串，因为D83D DE00是

u+01F600

的代理项对。你说得对！我不知道临时演员是从哪里来的！你的回答很有效。非常感谢。当使用UCS-4编译Python时，这个答案不起作用。用这个答案。