[英]Regex to search and replace emojis in openrefine
我正在处理一个包含大量数据的文件,其中还包括表情符号。 我正在使用 openrefine 来清理数据,但我找不到删除常见表情符号的捷径,例如笑脸,这些表情符号包含在数据中很多我尝试了一些正则表达式,它适用于一些表情符号,但仍然存在。 下面是我在搜索和替换中尝试的代码
"[\p{C}]|[\p{So}]|[\u20E3]"
构建一个正则表达式来匹配所有 Unicode 表情符号是非常重要的,但是有一个 Github 存储库和一个脚本来构建它基于 Unicode 标准(以及该脚本的输出)可用在这里:
你能试试这个代码,用 Jython/Python 代替 Grel 吗?
import re
def remove_emojis(data):
emoj = re.compile("["
u"\U0001F600-\U0001F64F" # emoticons
u"\U0001F300-\U0001F5FF" # symbols & pictographs
u"\U0001F680-\U0001F6FF" # transport & map symbols
u"\U0001F1E0-\U0001F1FF" # flags (iOS)
u"\U00002500-\U00002BEF" # chinese char
u"\U00002702-\U000027B0"
u"\U00002702-\U000027B0"
u"\U000024C2-\U0001F251"
u"\U0001f926-\U0001f937"
u"\U00010000-\U0010ffff"
u"\u2640-\u2642"
u"\u2600-\u2B55"
u"\u200d"
u"\u23cf"
u"\u23e9"
u"\u231a"
u"\ufe0f" # dingbats
u"\u3030"
"]+", re.UNICODE)
return re.sub(emoj, '', data)
return remove_emojis(value)
截屏
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.