web-dev-qa-db-ja.com

文字列から絵文字を削除する方法

私の問題は、正規表現を使用して文字列からCJK（中国語、日本語、韓国語）文字ではなく、文字列から絵文字を削除することです。私はこの正規表現を使用しようとしました：

REGEX = /[^\u1F600-\u1F6FF\s]/i

この正規表現は、中国語、日本語、韓国語の文字が必要な場所で検出されることを除いて、正常に機能します。この問題を解決する方法はありますか？

rubyregexunicodeemoji
18
kilua

Karol Sはすでに a solution を提供していますが、理由は明確ではないかもしれません

"\u1F600"は、実際には"\u1F60"の後に"0"が続きます：

"\u1F60"    # => "ὠ"
"\u1F600"   # => "ὠ0"

FFFFを超えるコードポイントには中括弧を使用する必要があります。

"\u{1F600}" #=> "????"

したがって、文字クラス[\u1F600-\u1F6FF]は[\u1F60 0-\u1F6F F]として解釈されます。つまり、"\u1F60"、範囲"0".."\u1F6F"および"F"に一致します。

中括弧を使用すると、問題が解決します。

/[\u{1F600}-\u{1F6FF}]/

これは、これらのunicodeブロックの（emoji）文字に一致します。

unpack 、 pack 、および between? を使用して同様の結果を得ることができます。 。これは、正規表現でUnicodeをサポートしていないRuby 1.8.7でも機能します。

s = 'Hi!????'
#=> "Hi!\360\237\230\200"

s.unpack('U*').reject{ |e| e.between?(0x1F600, 0x1F6FF) }.pack('U*')
#=> "Hi!"

Rubular example – Emoji は単一の文字です：

"????".length  #=> 1
"????".chars   #=> ["????"]

一方、 kaomoji は複数の文字の組み合わせです：

"^_^".length #=> 3
"^_^".chars  #=> ["^", "_", "^"]

これらのマッチングは非常に異なるタスクです（別の質問で質問する必要があります）。

28
Stefan

このスクリプト に基づいたものを使用しています。

 def strip_emoji(text)
    text = text.force_encoding('utf-8').encode
    clean = ""

    # symbols & pics
    regex = /[\u{1f300}-\u{1f5ff}]/
    clean = text.gsub regex, ""

    # enclosed chars 
    regex = /[\u{2500}-\u{2BEF}]/ # I changed this to exclude chinese char
    clean = clean.gsub regex, ""

    # emoticons
    regex = /[\u{1f600}-\u{1f64f}]/
    clean = clean.gsub regex, ""

    #dingbats
    regex = /[\u{2702}-\u{27b0}]/
    clean = clean.gsub regex, ""
  end

結果：

irb> strip_emoji("????????☂❤华み원❤")
=> "华み원"
16
jellene

この正規表現は、 Webで使用する絵文字Unicodeコード ：から取得した845個すべての絵文字に一致します。

[\u{203C}\u{2049}\u{20E3}\u{2122}\u{2139}\u{2194}-\u{2199}\u{21A9}-\u{21AA}\u{231A}-\u{231B}\u{23E9}-\u{23EC}\u{23F0}\u{23F3}\u{24C2}\u{25AA}-\u{25AB}\u{25B6}\u{25C0}\u{25FB}-\u{25FE}\u{2600}-\u{2601}\u{260E}\u{2611}\u{2614}-\u{2615}\u{261D}\u{263A}\u{2648}-\u{2653}\u{2660}\u{2663}\u{2665}-\u{2666}\u{2668}\u{267B}\u{267F}\u{2693}\u{26A0}-\u{26A1}\u{26AA}-\u{26AB}\u{26BD}-\u{26BE}\u{26C4}-\u{26C5}\u{26CE}\u{26D4}\u{26EA}\u{26F2}-\u{26F3}\u{26F5}\u{26FA}\u{26FD}\u{2702}\u{2705}\u{2708}-\u{270C}\u{270F}\u{2712}\u{2714}\u{2716}\u{2728}\u{2733}-\u{2734}\u{2744}\u{2747}\u{274C}\u{274E}\u{2753}-\u{2755}\u{2757}\u{2764}\u{2795}-\u{2797}\u{27A1}\u{27B0}\u{2934}-\u{2935}\u{2B05}-\u{2B07}\u{2B1B}-\u{2B1C}\u{2B50}\u{2B55}\u{3030}\u{303D}\u{3297}\u{3299}\u{1F004}\u{1F0CF}\u{1F170}-\u{1F171}\u{1F17E}-\u{1F17F}\u{1F18E}\u{1F191}-\u{1F19A}\u{1F1E7}-\u{1F1EC}\u{1F1EE}-\u{1F1F0}\u{1F1F3}\u{1F1F5}\u{1F1F7}-\u{1F1FA}\u{1F201}-\u{1F202}\u{1F21A}\u{1F22F}\u{1F232}-\u{1F23A}\u{1F250}-\u{1F251}\u{1F300}-\u{1F320}\u{1F330}-\u{1F335}\u{1F337}-\u{1F37C}\u{1F380}-\u{1F393}\u{1F3A0}-\u{1F3C4}\u{1F3C6}-\u{1F3CA}\u{1F3E0}-\u{1F3F0}\u{1F400}-\u{1F43E}\u{1F440}\u{1F442}-\u{1F4F7}\u{1F4F9}-\u{1F4FC}\u{1F500}-\u{1F507}\u{1F509}-\u{1F53D}\u{1F550}-\u{1F567}\u{1F5FB}-\u{1F640}\u{1F645}-\u{1F64F}\u{1F680}-\u{1F68A}]

Unicode絵文字の生のリストからこの正規表現を直接生成しました。アルゴリズムは次のとおりです。 https://github.com/franklsf95/Ruby-emoji-regex 。

使用例：

regex = /[\u{203C}\u{2049}\u{20E3}\u{2122}\u{2139}\u{2194}-\u{2199}\u{21A9}-\u{21AA}\u{231A}-\u{231B}\u{23E9}-\u{23EC}\u{23F0}\u{23F3}\u{24C2}\u{25AA}-\u{25AB}\u{25B6}\u{25C0}\u{25FB}-\u{25FE}\u{2600}-\u{2601}\u{260E}\u{2611}\u{2614}-\u{2615}\u{261D}\u{263A}\u{2648}-\u{2653}\u{2660}\u{2663}\u{2665}-\u{2666}\u{2668}\u{267B}\u{267F}\u{2693}\u{26A0}-\u{26A1}\u{26AA}-\u{26AB}\u{26BD}-\u{26BE}\u{26C4}-\u{26C5}\u{26CE}\u{26D4}\u{26EA}\u{26F2}-\u{26F3}\u{26F5}\u{26FA}\u{26FD}\u{2702}\u{2705}\u{2708}-\u{270C}\u{270F}\u{2712}\u{2714}\u{2716}\u{2728}\u{2733}-\u{2734}\u{2744}\u{2747}\u{274C}\u{274E}\u{2753}-\u{2755}\u{2757}\u{2764}\u{2795}-\u{2797}\u{27A1}\u{27B0}\u{2934}-\u{2935}\u{2B05}-\u{2B07}\u{2B1B}-\u{2B1C}\u{2B50}\u{2B55}\u{3030}\u{303D}\u{3297}\u{3299}\u{1F004}\u{1F0CF}\u{1F170}-\u{1F171}\u{1F17E}-\u{1F17F}\u{1F18E}\u{1F191}-\u{1F19A}\u{1F1E7}-\u{1F1EC}\u{1F1EE}-\u{1F1F0}\u{1F1F3}\u{1F1F5}\u{1F1F7}-\u{1F1FA}\u{1F201}-\u{1F202}\u{1F21A}\u{1F22F}\u{1F232}-\u{1F23A}\u{1F250}-\u{1F251}\u{1F300}-\u{1F320}\u{1F330}-\u{1F335}\u{1F337}-\u{1F37C}\u{1F380}-\u{1F393}\u{1F3A0}-\u{1F3C4}\u{1F3C6}-\u{1F3CA}\u{1F3E0}-\u{1F3F0}\u{1F400}-\u{1F43E}\u{1F440}\u{1F442}-\u{1F4F7}\u{1F4F9}-\u{1F4FC}\u{1F500}-\u{1F507}\u{1F509}-\u{1F53D}\u{1F550}-\u{1F567}\u{1F5FB}-\u{1F640}\u{1F645}-\u{1F64F}\u{1F680}-\u{1F68A}]/
str = "I am a string with emoji ???????????????????????????????? and other Unicode characters 比如中文."
str.gsub regex, ''
# "I am a string with emoji  and other Unicode characters 比如中文."

アジア文字などの他のUnicode文字は保持されます。

編集：ASCII数字と記号を除外する正規表現を更新しました。詳細についてはコメントを参照してください。

14
franklsf95
REGEX = /[^\u{1F600}-\u{1F6FF}\s]/

または

REGEX = /[\u{1F600}-\u{1F6FF}\s]/
REGEX = /[\u{1F600}-\u{1F6FF}]/
REGEX = /[^\u{1F600}-\u{1F6FF}]/

あなたの元の正規表現は、あなたがアモジでも空白でもないすべてのものを見つけようとしていることを示しているようであり、なぜあなたはそれをしたいのか分かりません。

また：

  • 絵文字は1F600-1F6FFではなく1F300-1F6FFです。あなたはそれを変更したいかもしれません

  • すべてのアストラル文字を削除する場合（たとえば、すべてのUnicodeをサポートしていないソフトウェアを扱う場合）、10000-10FFFFを使用する必要があります。

編集：あなたはほぼ間違いなくREGEX = /[\u{1F600}-\u{1F6FF}]/または同様のものが必要です。元の正規表現は、空白ではなく、範囲0-\u1F6F以外のすべてに一致しました。スペースは空白であり、英語の文字は0-\u1F6Fの範囲にあり、中国語の文字はどちらにもないため、正規表現は中国語の文字と一致し、それらを削除しました。

8
Karol S

このスレッドの回答のほとんどは、すべての絵文字を正しく削除しません。彼らは???? fineのような単純な絵文字を削除します。しかし、彼らは???? ‍ ???? ‍ ???? ‍ ????のようなマルチコードポイント絵文字を完全には削除しません。または、☸️、残りのUnicodeコードポイントを残します。

nicode-emoji のようなgemを使用して最新の絵文字正規表現を取得することもできますが、このやり過ぎを見つけた場合は、次のコードで十分な解決策になる可能性があります。

text.gsub(/[^[:alnum:][:blank:][:punct:]]/, '').squeeze(' ').strip

これにより、基本的なユニコードalphanum/punct/blankではない絵文字または奇妙なユニコディのような文字が削除されます。

3
Jerome Dalbert

配列からの答えにはいくつかの副作用があります。

"-".gsub(/[^\p{L}\s]+/, '').squeeze(' ').strip
=> ""

これが単純なマイナス（-）であると仮定した場合でも

1
Filipe Santiago

絵文字を削除する代わりに、アルファベットと数字のみを含めることができます。単純なtrがトリックを行うはずです、.tr('^A-Za-z0-9', '')。もちろん、これによりすべての句読点が削除されますが、特定の条件に合うように正規表現をいつでも変更できます。

1
Swaathi Kakarla

これは非常に短い 正規表現 これまで getemoji.com のすべての絵文字をカバーしています：

[\u{1F300}-\u{1F5FF}|\u{1F1E6}-\u{1F1FF}|\u{2700}-\u{27BF}|\u{1F900}-\u{1F9FF}|\u{1F600}-\u{1F64F}|\u{1F680}-\u{1F6FF}|\u{2600}-\u{26FF}]
1
Tan

上記のRubyプロジェクトからRegExをJavaScriptフレンドリーなRegExに変換しました。

    /// <summary>
    /// Emoji symbols character sets (added \s and +)
    /// Unicode with עברית Delete the emoji to match ????
    /// https://regex101.com/r/jP5jC5/3
    /// https://github.com/franklsf95/Ruby-emoji-regex
    /// http://stackoverflow.com/questions/24672834/how-do-i-remove-emoji-from-string
    /// </summary>
    public const string Emoji = @"^[\s\u00A9\u00AE\u203C\u2049\u2122\u2139\u2194-\u2199\u21A9-\u21AA\u231A-\u231B\u2328\u23CF\u23E9-\u23F3\u23F8-\u23FA\u24C2\u25AA-\u25AB\u25B6\u25C0\u25FB-\u25FE\u2600-\u2604\u260E\u2611\u2614-\u2615\u2618\u261D\u2620\u2622-\u2623\u2626\u262A\u262E-\u262F\u2638-\u263A\u2648-\u2653\u2660\u2663\u2665-\u2666\u2668\u267B\u267F\u2692-\u2694\u2696-\u2697\u2699\u269B-\u269C\u26A0-\u26A1\u26AA-\u26AB\u26B0-\u26B1\u26BD-\u26BE\u26C4-\u26C5\u26C8\u26CE-\u26CF\u26D1\u26D3-\u26D4\u26E9-\u26EA\u26F0-\u26F5\u26F7-\u26FA\u26FD\u2702\u2705\u2708-\u270D\u270F\u2712\u2714\u2716\u271D\u2721\u2728\u2733-\u2734\u2744\u2747\u274C\u274E\u2753-\u2755\u2757\u2763-\u2764\u2795-\u2797\u27A1\u27B0\u27BF\u2934-\u2935\u2B05-\u2B07\u2B1B-\u2B1C\u2B50\u2B55\u3030\u303D\u3297\u3299\u1F004\u1F0CF\u1F170-\u1F171\u1F17E-\u1F17F\u1F18E\u1F191-\u1F19A\u1F201-\u1F202\u1F21A\u1F22F\u1F232-\u1F23A\u1F250-\u1F251\u1F300-\u1F321\u1F324-\u1F393\u1F396-\u1F397\u1F399-\u1F39B\u1F39E-\u1F3F0\u1F3F3-\u1F3F5\u1F3F7-\u1F4FD\u1F4FF-\u1F53D\u1F549-\u1F54E\u1F550-\u1F567\u1F56F-\u1F570\u1F573-\u1F579\u1F587\u1F58A-\u1F58D\u1F590\u1F595-\u1F596\u1F5A5\u1F5A8\u1F5B1-\u1F5B2\u1F5BC\u1F5C2-\u1F5C4\u1F5D1-\u1F5D3\u1F5DC-\u1F5DE\u1F5E1\u1F5E3\u1F5EF\u1F5F3\u1F5FA-\u1F64F\u1F680-\u1F6C5\u1F6CB-\u1F6D0\u1F6E0-\u1F6E5\u1F6E9\u1F6EB-\u1F6EC\u1F6F0\u1F6F3\u1F910-\u1F918\u1F980-\u1F984\u1F9C0}]+$";

使用法：

if (!Regex.IsMatch(vm.NameFull, RegExKeys.Emoji)) // Match means no Emoji was found
0
Yovav