救救孩子吧 python如何去掉字符串中的表情符号

杨氏

如图去掉text中的符号，研究了一晚上了，也试过了网上很多方法都不行，来个大佬救救孩子吧

tsu.xxw

[Python] 纯文本查看 复制代码

word='你好\ud83d\udc90啊'
import re

def filter_emoji(desstr, restr=''):
    # 过滤表情
    res = re.compile(u'[\U00010000-\U0010ffff\\uD800-\\uDBFF\\uDC00-\\uDFFF]')
    return res.sub(restr, desstr)

print(filter_emoji(word))

然并卵zh

https://zhuanlan.zhihu.com/p/440300772
这个好像可以

LuoShang

可以整一个只取中文

杨氏

然并卵zh 发表于 2022-5-11 23:42
https://zhuanlan.zhihu.com/p/440300772
这个好像可以

也是不行

1047861073

哈哈哈哈，好巧，刚好遇到相同问题
你也应该是因为MySQL 存储不了4个字节的原因吧，
如果是可以把MySQL的字符集改成 utf8mb4 就可以了
下面代码根据 unicode 范围来删除表情符号，通用的和IOS中的，应该不是很全，也没找到非常全的list。最好还是把字段改成utf8mb4。。



下面是解决方案

[Python] 纯文本查看 复制代码

import re

emoji_pattern = re.compile(
    u"(\ud83d[\ude00-\ude4f])|"  # emoticons
    u"(\ud83c[\udf00-\uffff])|"  # symbols & pictographs (1 of 2)
    u"(\ud83d[\u0000-\uddff])|"  # symbols & pictographs (2 of 2)
    u"(\ud83d[\ude80-\udeff])|"  # transport & map symbols
    u"(\ud83c[\udde0-\uddff])"  # flags (iOS)
    u"\u2600-\u26FF\u2700-\u27BF]"
    "+", flags=re.UNICODE)


def remove_emoji(text):
    return emoji_pattern.sub(r'', text)


text2 = '你好\ud83d\udc90啊'
done = remove_emoji(text2)
print(f'处理后的文字：\n{done}')

杨氏

1047861073 发表于 2022-5-12 09:10
哈哈哈哈，好巧，刚好遇到相同问题
你也应该是因为MySQL 存储不了4个字节的原因吧，
如果是可以把MySQL的 ...

谢谢，我是在对爬去到的数据进行导入excel处理，数据中有特殊符号导致打不开excel，所以只能做过滤处理