entfernen emojis aus einem string in Python

Auf Python 2 haben, müssen Sie auf u'' literal zum erstellen einer Unicode-Zeichenfolge. Außerdem sollten Sie pass re.UNICODE Flagge und konvertieren der Eingangs-Daten in Unicode (z.B. text = data.decode('utf-8')):

#!/usr/bin/env python
import re

text = u'This dog \U0001f602'
print(text) # with emoji

emoji_pattern = re.compile("["
        u"\U0001F600-\U0001F64F"  # emoticons
        u"\U0001F300-\U0001F5FF"  # symbols & pictographs
        u"\U0001F680-\U0001F6FF"  # transport & map symbols
        u"\U0001F1E0-\U0001F1FF"  # flags (iOS)
                           "]+", flags=re.UNICODE)
print(emoji_pattern.sub(r'', text)) # no emoji

- Ausgang

This dog ?
This dog 

Hinweis: emoji_pattern matches nur einige emoji (nicht alle). Sehen Die Charaktere sind Emoji.

InformationsquelleAutor jfs

Komplette vesrion entfernen emojies:

def remove_emoji(string):
    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"
                           "]+", flags=re.UNICODE)
    return emoji_pattern.sub(r'', string)

InformationsquelleAutor Ali Tavakoli

Weil [...] bedeutet eine beliebige Reihe von Zeichen, und weil zwei Charaktere in einer Gruppe, getrennt durch einen Bindestrich bedeutet eine Reihe von Zeichen (oft "a-z" oder "0-9"), dein Muster sagt "ein Schrägstrich, gefolgt von einem beliebigen Zeichen in der Gruppe, x, {, 1, F, 6, 0, 1, Bereich } durch x, {, 1, F, 6, 4, f-oder }"gefolgt von einem Schrägstrich und den Buchstaben "u". Dass Bereich in der Mitte ist das, was neu ist, ruft der schlechte Charakter-Bereich.

InformationsquelleAutor Bryan Oakley

Dies funktioniert für mich. Es ist motiviert durch https://stackoverflow.com/a/43813727/6579239

import unicodedata
from unidecode import unidecode

def deEmojify(inputString):
     returnString = ""
     for character in inputString:
     try:
         character.encode("ascii")
         returnString += character
     except UnicodeEncodeError:
         returnString += ''
     return returnString

InformationsquelleAutor Abdul-Razak Adam

Wenn Sie nicht scharf auf mit regex, die beste Lösung sein könnte, mit dem emoji-python-Paket.

Hier ist eine einfache Funktion, um zurückzukehren emoji free text (vielen Dank an dieser SO beantworten):

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

Wenn Sie sind den Umgang mit strings mit emojis, das ist einfach

>> s1 = "Hi ? How is your ? and ?. Have a nice weekend ???"
>> print s1
Hi ? How is your ? and ?. Have a nice weekend ???
>> print give_emoji_free_text(s1)
Hi How is your and Have a nice weekend

Wenn Sie sind den Umgang mit unicode-Zeichen (wie in dem Beispiel von @jfs), einfach codieren Sie es mit utf-8.

>> s2 = u'This dog \U0001f602'
>> print s2
This dog ?
>> print give_emoji_free_text(s2.encode('utf8'))
This dog

InformationsquelleAutor kingmakerking

Versuchte mich zu sammeln die vollständige Liste der unicodes.
Ich es verwenden, um zu extrahieren emojis von tweets und es funktioniert sehr gut für mich.

# 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)

InformationsquelleAutor Chiheb.K