Node.js表情符号解析

Question

我正在尝试解析传入的字符串，以确定它是否包含任何非表情符号。

我已经经历了由马蒂亚斯这篇大文章和我既充分利用本地punycode的编码/解码和regenerate的正则表达式生成。 我还使用EmojiData获取我的表情符号字典。

话虽如此，某些表情符号仍然是令人讨厌的小虫子，并且拒绝匹配。 对于某些表情符号，我会继续获得一对代码点。

// Example of a single code point:
console.log(punycode.ucs2.decode('💩'));
>> [ 128169 ]

// Example of a paired code point:
console.log(punycode.ucs2.decode('⌛️'));
>> [ 8987, 65039 ]

Mathias在他的文章中谈到了这一点（并提供了一个punycode解决此问题的示例），但是即使使用他的示例，我也得到了错误的回答：

function countSymbols(string) {
  return punycode.ucs2.decode(string).length;
}
console.log(countSymbols('💩'));
>> 1
console.log(countSymbols('⌛️'));
>> 2

检测字符串是否包含所有表情符号的最佳方法是什么？ 这是为了进行概念验证，因此解决方案可以根据需要采用任意方式。

-更新-

以上是我讨厌的表情符号的更多背景信息。

这些在视觉上是相同的，但实际上是不同的unicode值（第二个来自上面的示例）：

⌛ // \u231b

⌛️ // \u231b\ufe0f

第一个效果很好，第二个效果不好。 不幸的是，第二个版本是iOS似乎使用的版本（如果从iMessage复制和粘贴，则会得到第二个版本，并且从Twilio接收文本时也是如此）。

Answer 1

U+FE0F不是组合标记，它是控制字形渲染的变体序列（请参见此答案 ）。 删除此类序列可能会更改字符的外观，例如： U+231B + U+FE0E （⌛︎）。

同样，表情符号序列可以由多个代码点组成。 例如， U+0032 （2）本身不是表情符号，但U+0032 + U+20E3 （2⃣）或U+0032 + U+20E3 + U+FE0F （2⃣️）是-但U+0041 + U+20E3 （A⃣）不是。 Unicode联盟在emoji-data.txt文件中维护了emoji序列的完整列表（ emoji-data-js库似乎具有此信息）。

要检查字符串是否包含表情符号字符，您将需要测试emoji-data.txt是否有任何单个字符，或在其中启动一个序列的子字符串。

Answer 2

如果假设您知道您希望遇到哪些非表情符号字符，则可以通过它们的toArray或split模块使用一点点破折号魔术，它们是表情符号感知的。 例如，如果要查看字符串是否包含字母数字字符，可以编写如下函数：

function containsAlphaNumeric(string){
 return _(string).toArray().filter(function(char){
    return char.match(/[a-zA-Z0-9]/);
 }).value().length > 0 ? true : false;
}