c++ - 如何从 C++ 中的推文中删除表情符号？

Question

我正在使用 C++ 开发 Twitter 情绪分析工具。到目前为止，我从 Twitter 获得了推文，并对它们进行了一些处理(小写，删除 RT，删除 # 和 URL)。

下一步是删除表情符号和所有那些特殊字符。如何做到这一点？在你跳过我之前，我已经看过其他类似的问题，但没有一个涉及 C++。主要是 R、Python 和 PHP。

我想使用正则表达式，但我无法让它工作。我尝试删除主题标签和 URL，但我放弃了。我最终使用了普通的 string:find 和 find_first_of。

是否有任何库或方法可以摆脱那些表情符号和特殊的东西？

谢谢

Answer 1

我建议为此使用正则表达式。现在你有两个选择，你可以只提取你感兴趣的字符(如果你正在处理英文推文，这可能是 A-Z、a-z、数字和一些符号，具体取决于你的需要)，或者你可以选择无效字符(表情符号)并将其替换为空字符串。

我只有 Qt 的 RegularExpression 引擎的经验，但 c++ 标准库有正则表达式支持(虽然我不确定它对 Unicode 有多好)，但是 ICU也提供了一个正则表达式库。

*我会提供更多链接，但我还没有足够的声誉:/