我需要提取文本中数字和表情之间的文字
示例文本:
blah xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 🙅 bjvcvvv
输出:
extract1
extract2
我编写的正则表达式代码提取了 2 个数字之间的文本,我需要更改它识别 unicode 表情符号字符的部分并提取它们之间的文本。
(?<=[\s][\d])(.*?)(?=[\d])
请推荐一个 python 友好的方法,我需要它来处理所有的表情符号,而不仅仅是示例中给出的表情符号
最佳答案
因为有很多表情符号with different unicode values ,您必须在正则表达式中明确指定它们,或者如果它们具有特定范围,您可以使用字符类。在这种情况下,您的第二个 simbol 不是标准表情符号,它只是一个 unicode 字符,但由于它大于 \u263a
(☺️ 的 unicode 表示),您可以将它放在 的范围内\u263a
:
In [71]: s = 'blah xzuyguhbc ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 🙅 bjvcvvv'
In [72]: regex = re.compile(r'\d+(.*?)(?:\u263a|\U0001f645)')
In [74]: regex.findall(s)
Out[74]: [' extract1 ', ' extract2 ']
或者,如果您想匹配更多表情符号,您可以使用字符范围(这里有一个很好的引用,它向您展示了不同表情符号的正确范围 http://apps.timwhitlock.info/emoji/tables/unicode ):
In [75]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]')
In [76]: regex.findall(s)
Out[76]: [' extract1 ', ' extract2 ']
请注意,在第二种情况下,您必须确保上述范围内的所有字符都是您想要的表情符号。
这是另一个例子:
In [77]: s = "blah 4 xzuyguhbc 😺 ibcbb bqw 2 extract1 ☺️ jbjhcb 6 extract2 🙅 bjvcvvv"
In [78]: regex = re.compile(r'\d+(.*?)[\u263a-\U0001f645]')
In [79]: regex.findall(s)
Out[79]: [' xzuyguhbc ', ' extract1 ', ' extract2 ']
关于python - 在 python 正则表达式中匹配 unicode 表情符号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39536390/