python - 用空格环绕表情符号

Question

我用了this post制作一个可以在文本字符串中找到表情符号的正则表达式，并在两边简单地粘贴一些空格字符。我的正则表达式代码:

try:
    # Wide UCS-4 build
    oRes = re.compile(u'['
        u'\U0001F300-\U0001F64F'
        u'\U0001F680-\U0001F6FF'
        u'\u2600-\u26FF\u2700-\u27BF]+', 
        re.UNICODE)
except re.error:
    # Narrow UCS-2 build
    oRes = re.compile(u'('
        u'\ud83c[\udf00-\udfff]|'
        u'\ud83d[\udc00-\ude4f\ude80-\udeff]|'
        u'[\u2600-\u26FF\u2700-\u27BF])+', 
        re.UNICODE)

s2 = oRE.sub(r'  \1  ', s1)

但是，在删除表情符号时，我遇到了一些非常奇怪的行为，如下例所示。任何意见，将不胜感激。我在 MacBook 上使用 Python。谢谢。

输入

هيلاري كلينتون "متنحة"وتشير إلى عملي٩ غ في ولاي٩ بانسيلفانيا العتيق٩ اقائٯٯ: "وات ..₩

输出

هيلاري كلينتون "متنحة"وتشير إلى عملي٩ غ في ولاي٩ بانسيلفانيا العتيق٩ اقائٯٯ: "وات ..₩

Answer 1

一旦我更正了正则表达式中圆括号的位置，以下内容对我有用。在 try block 中，如果要创建组 \1，则需要将整个内容括起来；在except block 中，圆括号中需要include+，否则\1组只会捕获多个相关字符中的第一个。

import re
with open('input.txt', 'rb') as f:
    s1 = f.read().decode('utf-8').strip()

try:
    # Wide UCS-4 build
    oRes = re.compile(u'(['
        u'\U0001F300-\U0001F64F'
        u'\U0001F680-\U0001F6FF'
        u'\u2600-\u26FF\u2700-\u27BF]+)', 
        re.UNICODE)
except re.error:
    # Narrow UCS-2 build
    oRes = re.compile(u'(('
        u'\ud83c[\udf00-\udfff]|'
        u'\ud83d[\udc00-\ude4f\ude80-\udeff]|'
        u'[\u2600-\u26FF\u2700-\u27BF])+)', 
        re.UNICODE)

s2 = oRes.sub(r'  \1  ', s1)

with open('output.txt', 'wb') as f:
    f.write((s1+'\n').encode('utf-8'))
    f.write((s2+'\n').encode('utf-8'))

至于字符的反转，那一定是输入/输出或复制/粘贴链中某个步骤的产物，没有正确处理阿拉伯语从右到左的性质。它不会发生在我身上。当我在 MacBook 上的 TextWrangler 中打开 output.txt 时，结果看起来不错。