使用Java替换阿拉伯语推文中的表情符号Unicode范围

我试图用java替换阿拉伯语推文中的表情符号。

我用过这段代码：

String line = "اييه تقولي اجل الارسنال تعادل امس بعد ما كان فايز 😂😂"; Pattern unicodeOutliers = Pattern.compile("([\u1F601-\u1F64F])", Pattern.UNICODE_CASE | Pattern.CANON_EQ | Pattern.CASE_INSENSITIVE); Matcher unicodeOutlierMatcher = unicodeOutliers.matcher(line); line = unicodeOutlierMatcher.replaceAll(" $1 "); 

但它并没有取代它们。 即使我只匹配字符本身“\ u1F602”，它也不会取代它。 可能是因为它是你之后的5位数？！ 我不确定，只是一个猜测。

注意：

1-推特结束时的情绪（😂）是“U + 1F602”，即“面对欢乐的泪水”

2-这个问题与这个问题不重复。

有任何想法吗？

Answer 1

来自Pattern类的Javadoc

Unicode字符也可以通过使用其hex表示法（hex代码点值）直接表示为正则表达式，如构造\x{...} ，例如，补充字符U + 2011F可以指定为\x{2011F} ，而不是代理对\uD840\uDD1F的两个连续Unicode转义序列。

这意味着您正在寻找的正则表达式是([\x{1F601}-\x{1F64F}]) 。 当然，当您将其写为Java String文字时，必须转义反斜杠。

 Pattern unicodeOutliers = Pattern.compile("([\\x{1F601}-\\x{1F64F}])"); 

请注意，construct \x{...}仅可从Java 7获得。

Answer 2

Java 5和6

如果您在Java 5或6 JVM上运行程序时遇到困难，并且想要匹配U + 1F601到U + 1F64F范围内的字符，请在字符类中使用代理项对：

 Pattern emoticons = Pattern.compile("[\uD83D\uDE01-\uD83D\uDE4F]"); 

此方法即使在Java 7及更高版本中也是有效的，因为在Sun / Oracle的实现中，如果您反编译Pattern.compile()方法，则在编译之前将包含该模式的String转换为代码点数组。

Java 7及以上版本

1. 您可以在David Wallace的答案中使用construct \x{...} ，该答案可从Java 7获得。

2. 或者，您也可以指定整个表情符号Unicode块 ，从代码点U + 1F600 （而不是U + 1F601）到U + 1F64F。

    Pattern emoticons = Pattern.compile("\\p{InEmoticons}"); 

   由于在Java 7中添加了表情符号块支持，因此该方法仅在Java 7中有效。

3. 虽然首选其他方法，但您可以通过在正则表达式中指定转义来指定补充字符。 虽然没有理由在源代码中执行此操作，但Java 7中的此更改会更正使用正则表达式进行搜索的应用程序中的行为，并且无法直接粘贴该字符。

    Pattern emoticons = Pattern.compile("[\\uD83D\\uDE01-\\uD83D\\uDE4F]"); 

   /!\警告

   在指定补充代码点时， 永远不要将语法混合在一起，例如：

   • "[\\uD83D\uDE01-\\uD83D\\uDE4F]"

   • "[\uD83D\\uDE01-\\uD83D\\uDE4F]"

   这些将指定匹配代码点U + D83D以及Oracle实现中代码点U + DE01到代码点U + 1F64F的范围。

注意

在Java 5和6中，Oracle的实现， Pattern.u()实现不会折叠有效的正则表达式转义的代理对"\\uD83D\\uDE01" 。 结果，该模式被解释为2个单独的代理，这将无法匹配任何东西。