用代码识别字符串中 Emoji 的轻量级指南

2023-10-19 21:08:57

简介

在现代数字交流中，Emoji 已成为表达情感和思想的不可或缺的一部分。作为图像字符，它们不仅为文字添加了视觉冲击力，还促进了跨文化交流。因此，在各种应用程序和系统中处理 Emoji 的能力至关重要。

本文将指导你使用 JavaScript 和 Java 在字符串中识别 Emoji，从了解 Emoji 的基本原理到应用实际代码。我们将探讨 Unicode 码点的概念，以及它们如何在识别 Emoji 中发挥作用。

Unicode 码点简介

Unicode 码点是表示字符的唯一数字。每个字符，包括 Emoji，都有一个分配的码点。Unicode 码点范围从 0x0000 到 0x10FFFF，其中较低的码点对应于基本拉丁字母和标点符号，而较高的码点用于表示 Emoji 等特殊字符。

一个码点可能由一个或多个字符组成，具体取决于码点是否大于 0x010000。如果码点大于 0x010000，它被称为“代理对”，由两个 16 位字符组成。代理对编码的使用允许 Unicode 容纳更大的字符范围，包括 Emoji。

识别字符串中的 Emoji

JavaScript

在 JavaScript 中，可以使用正则表达式来识别字符串中的 Emoji。以下正则表达式可以匹配任何 Emoji：

/[\uD83C-\uD83E][\uDD00-\uDDEF]|[\uD83F-\uD8FF]/g

此正则表达式利用了代理对的特性，将它们分组为两个模式：

[\uD83C-\uD83E][\uDD00-\uDDEF] 匹配第一个代理对
[\uD83F-\uD8FF] 匹配第二个代理对

要使用此正则表达式，可以如下调用：

const string = "Hello 😄 World";
const emojiMatches = string.match(/[\uD83C-\uD83E][\uDD00-\uDDEF]|[\uD83F-\uD8FF]/g);
console.log(emojiMatches); // ["😄"]

Java

在 Java 中，可以使用 Character.isSurrogatePair() 方法来识别代理对，并使用 Character.toCodePoint() 方法将代理对转换为码点。以下 Java 代码演示了如何识别字符串中的 Emoji：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class EmojiIdentifier {

    public static void main(String[] args) {
        String string = "Hello 😄 World";
        Pattern pattern = Pattern.compile("[\uD83C-\uD83E][\uDD00-\uDDEF]|[\uD83F-\uD8FF]");
        Matcher matcher = pattern.matcher(string);

        while (matcher.find()) {
            int codePoint = matcher.group().codePointAt(0);
            System.out.println("Found Emoji: " + Character.toChars(codePoint));
        }
    }
}