python - 使用 python 在文本中查找表情符号

Question

你好，我正在尝试使用 python 2.7 在下载的推文中查找所有表情符号

我已经尝试使用以下代码:

import os
import codecs
import emoji
from nltk.tokenize import word_tokenize

def extract_emojis(token):
    emoji_list = []
    if token in emoji.UNICODE_EMOJI:
        emoji_list.append(token)
    return emoji_list

for tweet in os.listdir(tweets_path):
    with codecs.open(tweets_path+tweet, 'r', encoding='utf-8') as input_file:
        line = input_file.readline()
        while line:
            line = word_tokenize(line)
            for token in line:
                print extract_emojis(token)

            line = input_file.readline()

但是我只得到空列表，而不是表情符号。如果我收到以下推文

schuld van de sossen 😡 SP.a: wij hebben niks gedaan 😴 Groen: we gaan energie VERBIEDEN!

代码的输出是

[]

而不是想要的输出:

[😡, 😴]

有什么帮助吗？谢谢!

Answer 1

确保你的文本在 utf-8 上解码 text.decode('utf-8')

从您的文本中找到所有表情符号，您必须逐个字符地分隔文本 [str for str in decode]

将所有表情符号保存在列表中[c for c in allchars if c in emoji.UNICODE_EMOJI]

像这样:

import emoji
text     = "🤔 🙈 lorum ipsum 😌 de 💕👭👙"
decode   = text.decode('utf-8')
allchars = [str for str in decode]
list     = [c for c in allchars if c in emoji.UNICODE_EMOJI]
print list

[u'\U0001f914', u'\U0001f648', u'\U0001f60c', u'\U0001f495', u'\U0001f46d', u'\U0001f459']

要取回您的表情符号，请尝试 this