java - 如何检测文本中使用了哪种Apple Emoji？

Question

我有一个 WhatsApp 聊天的 txt 文件，我想使用 Java 解析它。

但是所有使用的表情符号在txt文件中都显示为“😂”。我想尝试找出如何了解实际使用的表情符号并尝试了以下方法:

‬System.out.print( "\\u" + Integer.toHexString(line.charAt(i) | 0x10000).substring(1) );

但它显示错误的 unicode，例如\ud83d 等。

我也得到了这个列表，但我不知道到底如何使用它: http://grumdrig.com/emoji-list/#

Answer 1

\uD83D 是与 \uDE04 代理配对的一部分，它实际上被一起编码以生成 \u0001F604。

U+1F604 (U+D83D U+DE04) 生成张开嘴巴和微笑的眼睛的笑脸表情符号 -> 😄

这个Gist (mranney/emoji_sad.txt)可能是弄清楚如何解析文件的起点。

示例

您可以移植其中的一些 JavaScript到 Java。

import java.util.stream.Collectors;
import java.util.stream.IntStream;

public class Main {
    public static void main(String[] args) {
        long codepoint = 0x1f600;
        int[] pair = findSurrogatePair(codepoint);

        System.out.printf("%s -> %s%n", toHex(codepoint),
            IntStream.of(pair).mapToObj(v -> toHex(v))
                .collect(Collectors.joining(" + ")));
    }

    /**
     * Assumes point > 0xFFFF
     * <p>
     * 
     * @param point Unicode codepoint to convert to surrogate pairs.
     * @return Returns the surrogate pairing for the input code-point.
     */
    public static int[] findSurrogatePair(final long point) {
        long offset = point - 0x10000;

        int lead = (int) (0xD800 + (offset >> 10));
        int trail = (int) (0xDC00 + (offset & 0x3FF));

        return new int[] { lead, trail };
    }

    public static String toHex(Number value) {
        return String.format("\\u%X", value);
    }
}

输出

\u1F600 -> \uD83D + \uDE00