python - 将一串表情符号拆分为单个表情符号字符

Question

假设我有以下字符串:DATA = "🚀😘👍🏾🇦🇮"。

我想获取一个数组或列表，其中每个表情符号作为一个元素，就像这样 [🚀,😘,👍🏾,🇦🇮]。

然而，问题在于表情符号的长度各不相同。所以 len(u'😘') 是 1，而 len(u'👍🏾') 是 2。

那么我将如何分割我的DATA？我已经看到它是用 JavaScript 完成的，但无法找到在 Python 中完成的方法( How can I split a string containing emoji into an array? )。

Answer 1

使用第 3 方 regex 模块 (pip install regex) 和 Python 3.5:

>>> import regex
>>> s = '\U0001f680\U0001f618\U0001f44d\U0001f3fe\U0001f1e6\U0001f1ee'
>>> import unicodedata as ud
>>> ud.category(s[0])
'So'
>>> ud.category(s[1])
'So'
>>> ud.category(s[2])
'So'
>>> ud.category(s[3])
'Sk'
>>> ud.category(s[4])
'So'
>>> ud.category(s[5])
'So'
>>> regex.findall(r'\p{So}\p{Sk}*',s)
['\U0001f680', '\U0001f618', '\U0001f44d\U0001f3fe', '\U0001f1e6', '\U0001f1ee']

编辑:

国旗是两个字母的区域指示符号，范围为 U+1F1E6 - U+1F1FF。事实证明，regex 有一个字素簇 \X 开关，但它找到了标志，但没有找到肤色标记。

>>> regex.findall(r'\X',s)
['\U0001f680', '\U0001f618', '\U0001f44d', '\U0001f3fe', '\U0001f1e6\U0001f1ee']

但是，您可以查找符号修饰符或字素簇:

>>> regex.findall(r'.\p{Sk}+|\X',s)
['\U0001f680', '\U0001f618', '\U0001f44d\U0001f3fe', '\U0001f1e6\U0001f1ee']

可能还有其他异常(exception)。