python - 将表情符号视为正则表达式中的一个字符

Question

<分区>

Answer 1

在 Python 2 窄版中，非 BMP 字符是两个代理代码点，因此您不能在 [] 语法中正确使用它们。 u'[👍]等同于u'[\ud83d\udc4d]'，表示“匹配其中一个\ud83d 或 \udc4d。Python 2.7 示例:

>>> u'\U0001f44d' == u'\ud83d\udc4d' == u'👍'
True
>>> re.findall(u'[👍]',u'👍')
[u'\ud83d', u'\udc4d']

要同时修复 Python 2 和 3，请匹配 u'👍 或 [+-]。这将在 Python 2 和 3 中返回正确的结果:

#coding:utf8
from __future__ import print_function
import re

# Note the 'ur' syntax is an error in Python 3, so properly
# escape backslashes in the regex if needed.  In this case,
# the backslash was unnecessary.
reg = u"((?P<initial>👍|[+-])(?P<rest>.+?))$"

tests = u'👍hello',u'-hello',u'+hello',u'\\hello'
for test in tests:
    m = re.match(reg,test)
    if m:
        print(test,m.groups())
    else:
        print(test,m)

输出(Python 2.7):

👍hello (u'\U0001f44dhello', u'\U0001f44d', u'hello')
-hello (u'-hello', u'-', u'hello')
+hello (u'+hello', u'+', u'hello')
\hello None

输出(Python 3.6):

👍hello ('👍hello', '👍', 'hello')
-hello ('-hello', '-', 'hello')
+hello ('+hello', '+', 'hello')
\hello None