python - 在 Python 中拆分和计算给定字符串中的表情符号和单词

Question

对于给定的字符串，我试图计算每个单词和表情符号的出现次数。我已经做了here对于仅由 1 个表情符号组成的表情符号。问题是现在很多表情符号都是由几个表情符号组成的。

比如表情包👨‍👩‍👦‍👦由四个表情包组成-👨‍👩‍👦‍👦，还有人肤色的表情包，比如🙅🏽是🙅🏽等等。

问题归结为如何以正确的顺序拆分字符串，然后计算它们就很容易了。

有一些很好的问题解决了同样的问题，比如 link1和 link2 ，但它们都不适用于通用解决方案(或者解决方案已过时，或者我无法弄清楚)。

例如，如果字符串是 hello 👩🏾‍🎓 emoji hello 👨‍👩‍👦‍👦，那么我将有 {'hello':2, 'emoji ':1, '👨‍👩‍👦‍👦':1, '👩🏾‍🎓':1}我的字符串来自 Whatsapp，并且都是用 utf8 编码的。

我有很多失败的尝试。帮助将不胜感激。

Answer 1

非常感谢Mark Tolonen .现在为了计算给定字符串中的单词、表情符号和单词，我将使用 emoji.UNICOME_EMOJI为了确定什么是表情符号，什么不是(来自 emoji 包)，然后从字符串中删除表情符号。

目前不是一个理想的答案，但它有效，如果它会被改变我会编辑。

import emoji
import regex
def split_count(text):
    total_emoji = []
    data = regex.findall(r'\X',text)
    flag = False
    for word in data:
        if any(char in emoji.UNICODE_EMOJI for char in word):  
            total_emoji += [word] # total_emoji is a list of all emojis

    # Remove from the given text the emojis
    for current in total_emoji:
        text = text.replace(current, '') 

    return Counter(text.split() + total_emoji)


text_string = "👹👹👹👹👹here hello world hello👨‍👩‍👦‍👦🙅🏽"    
final_counter = split_count(text_string)

输出:

final_counter
Counter({'hello': 2,
         'here': 1,
         'world': 1,
         '👨\u200d👩\u200d👦\u200d👦': 1,
         '👹': 5,
         '🙅🏽': 1})