Python正则匹配一招完整去除文本中的各类表情符号

最新推荐文章于 2025-03-08 19:32:28 发布
原创 最新推荐文章于 2025-03-08 19:32:28 发布 · 7.8k 阅读 · 35 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #开发语言 #后端

我们的文本数据中经常会带有很多表情，如何完整地清除得到高质量的文本供我们利用呢？

以“光荣啊，中国共青团🙌🏻💗🚩”为例进行演示：

def clean(desstr,restr=''):  
    #过滤表情   
    try:  
        co = re.compile(u'['u'\U0001F300-\U0001F64F' u'\U0001F680-\U0001F6FF'u'\u2600-\u2B55]+')  
    except re.error:  
        co = re.compile(u'('u'\ud83c[\udf00-\udfff]|'u'\ud83d[\udc00-\ude4f\ude80-\udeff]|'u'[\u2600-\u2B55])+')  
    return co.sub(restr, desstr)

print(clean('光荣啊，中国共青团🙌🏻💗🚩'))

输出如下：

光荣啊，中国共青团

可以看出句子中的“🙌🏻💗🚩”表情符号均已清除，得到纯文本数据，完成过滤。

代码中的正则编码解释如下：

最低0.47元/天 解锁文章

200万优质内容无限畅学
Python正则匹配 去除文本中的各类emoji表情符号
m0_64336020的博客
05-21 5692
我们的文本数据中经常会带有很多表情，如何完整地清除得到高质量的文本供我们利用呢？ p = re.compile(u'['u'\U0001F300-\U0001F64F' u'\U0001F680-\U0001F6FF' u'\u2600-\u2B55 \U00010000-\U0010ffff]+') txt = re.sub(p,'',text) # 正则匹配，将表情符合替换为空'' 正则编码解释如下： <U+1F300> - <U+1F5FF> # 符号和象形字 &l
Python处理emoji(微信表情等）
11-22
在遇到带有emoji 的字符串时，使用该方法可以去掉字符串中的emoji表情，或者自行添加处理做其他扩展。
python 遇到表情代码出错， 用正则表达式去掉表情代码
AnYeZhiYin
10-05 2491
&gt;&gt;&gt; aa = '\U0001f60a\adwkdkdkkdk' # 这里“\U0001f60a” 这是表情的代码 带这个\ &gt;&gt;&gt; import re &gt;&gt;&gt; cc = re.compile(r'\U0001f60a') #cc 就是需要替换的代码 就是把不需要的先标记出来 &gt;&gt;&gt; ff = re.sub(cc,'',aa...
从Python字符串中删除表情符号
爱python的王三金
09-04 8781
???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ???? ✊ ✊ ✊ ✊ ✊ ✊ ✊ ✊
python 表情过滤
Eliza1130的专栏
04-14 2847
注意替换的这些emoji是标准的表情字符，每个表情本来是2个字节，替换成字符串后，每个表情就变成12个字符了，浪费了很多空间，不过简单，不需要专门写个map一一对应了；  把表情变成字符串 ? 1 2 3 4 5 6 7 8 9 def filter_emoji(desstr,re
Python利用demoji库删除文档中的表情符号
威廉软件的博客
09-12 1650
在进行数据清洗时，往往需要删除文档中的出现的表情符号，因为他们无法被读取。借助demoji库，可以非常简单地完成这项工作。 关于demoji 库的文档，可以访问demoji · PyPI 首先，需要在环境中利用pip install安装demoji库。 pip install demoji 实现删除文档中的表情符号的代码如下： # -*- coding: UTF-8 -*- import os import demoji file_path = "SeptemberB.txt" /*
python正则表达式去掉数字中的逗号(python正则匹配逗号)
12-25
数字中经常是3个数字一组，之后跟一个逗号，因此规律为：***，***，*** 正则式复制代码 代码如下:[a-z]+,[a-z]? 复制代码 代码如下:import re sen = “abc,123,456,789,mnp”p = re.compile(“\d+,\d+?”) for ...
Python使用中文正则表达式匹配指定中文字符串的方法示例
10-20
正则表达式是一套规则和符号模式，用于文本的查找、匹配和替换操作，尤其在处理字符串时，能够提供强大的文本处理能力。在Python中，可以使用内置的`re`模块来实现正则表达式的相关操作。 描述中提及了关于中文正则...
python正则表达式匹配不包含某几个字符的字符串方法
10-16
Python中的正则表达式是一种强大的文本处理工具，可以用来搜索、替换那些符合某个模式(即规则)的文本。特别是在处理网络爬虫、数据清洗和文本分析等方面，正则表达式的应用非常广泛。但是，有时候我们需要匹配的不...
对Python正则匹配IP、Url、Mail的方法详解
12-23
 '''进行正则匹配ip，加re.IGNORECASE是让结果返回bool型'''  pattern=re.match(r'\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$',ip,re.IGNORECASE)  if
python正则表达式去除两个特殊字符间的内容方法
12-25
以去掉去掉<!–和–>为例进行说明： def clearContentWithSpecialCharacter(content): # 先将<!--替换成，普通字符l content = content.replace("<!--","l") # 再将-->替换成，普通字符l content = content.replace("-->","l") # 分组标定，替换， pattern = re.compile(r'(l)(.*)(l)') # 如果想包括两个l，则用pattern.sub(r\1''\3,Content) return pattern.sub(r'',content
python re正则匹配网页中图片url地址的方法
12-23
在Python编程中，正则表达式（Regular Expression）是一个强大的文本处理工具，广泛用于处理字符串。在本例中，我们探讨的是如何使用Python的`re`模块来匹配网页中的图片URL地址。这个问题主要涉及到以下几个关键...
去除表情包的正则
Sindy的博客
03-29 968
export function hasEmoji (str = '') { const reg = /[^\u0020-\u007E\u00A0-\u00BE\u2E80-\uA4CF\uF900-\uFAFF\uFE30-\uFE4F\uFF00-\uFFEF\u0080-\u009F\u2000-\u201f\u2026\u2022\u20ac\r\n]/g; return str.match(reg) && str.match(reg).length }
Js 正则表达式过滤特殊字符、表情
专注基础架构领域
06-08 4684
let ret = "12312ffds#￥@￥#%^&***(()))*)).`@%@￥@￥", val = this.customDeviceName; //特殊字符过滤 let pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~！@#￥……&*（）——|{}【】‘；：”“'。，、？]"); for (let i = 0; i < val.length; i++) { ret = ret + ...
python爬虫文本过滤去除表情符号代码
qq_27661837的博客
01-03 1600
【代码】python爬虫文本过滤去除表情符号代码。
【python】利用正则表达式过滤特殊字符
wandugu的博客
04-25 2673
to_glob_str = "1a A烫烫♪(^∇O(∩_∩)O^*){【《/*、\.." # 要过滤的字符串 re_exp = u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a\’!\"#$%&\'()*+,-./:;<=>?@，。?、…【】《》？“”‘’！["u"\\]^_`{|}~\s])" # 过滤正则表达式，只保留中文、英文、数字及一些标点符号 result_str = re.sub(re_exp, ""...
python实战项目61：去除文本中的表情符号
最新发布
lyccomcn的博客
03-08 227
假设现在有一段文本：“这是一个包含😊表情符号的句子。还有更多像这样的心形❤️和笑脸😀。”，需要编写一段python代码把文本中的表情符号去除掉，达到以下效果：“这是一个包含表情符号的句子。还有更多像这样的心形和笑脸。”下面我们借助AI工具来实现这一目的。
Python正则表达式去除字符串中的标点符号
youandme520的专栏
12-14 4258
import re # 只保留中文、大小写字母和阿拉伯数字 reg = "[^0-9A-Za-z\u4e00-\u9fa5]" text = "<>\(*芸%芸^)，,\\（-我@）&love=+《你》！【~我//""[们]】2{0}1.6~————、结/婚'吧:：！这.!！_#？?（）个‘’“”￥$主|意()不。错……！" print(re.sub(reg, '', text)) 结果为：芸芸我love你我们2016结婚吧这个主意不错 ...
正则过滤 emoji
AI工程化、开源分享、文档翻译、代码笔记
09-13 2642
过滤 emoji
python正则匹配文本
02-28
Python正则表达式是一种强大的工具，用于在文本中查找、匹配和操作字符串。它基于正则表达式语法，可以用来处理各种文本处理任务，如搜索、替换、验证等。 在Python中，我们可以使用re模块来进行正则表达式的操作。下面是一些常用的正则表达式操作函数： 1. re.match(pattern, string, flags=0): 从字符串的起始位置开始匹配，如果匹配成功，则返回一个匹配对象；否则返回None。 2. re.search(pattern, string, flags=0): 在字符串中搜索匹配正则表达式的第一个位置，如果匹配成功，则返回一个匹配对象；否则返回None。 3. re.findall(pattern, string, flags=0): 在字符串中搜索匹配正则表达式的所有位置，并以列表形式返回所有匹配结果。 4. re.sub(pattern, repl, string, count=0, flags=0): 在字符串中搜索匹配正则表达式的所有位置，并用repl替换匹配到的内容。 在使用正则表达式时，需要注意一些常用的元字符和特殊字符，如： - . : 匹配任意字符（除了换行符） - ^ : 匹配字符串的起始位置 - $ : 匹配字符串的结束位置 - * : 匹配前一个字符0次或多次 - + : 匹配前一个字符1次或多次 - ? : 匹配前一个字符0次或1次 - [] : 匹配括号内的任意一个字符 - () : 分组，用于提取匹配的内容 除了以上的基本操作，还可以使用一些特殊的字符类来匹配特定的字符类型，如\d匹配数字，\w匹配字母或数字等。 如果你有具体的文本匹配需求，可以提供一些示例文本和匹配规则，我可以帮你进一步解答。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值