Comment extraire tous les emojis d'un texte ?

Question

Considérez la liste suivante :

a_list = ['  me así, bla es se  ds ']

Comment puis-je extraire dans une nouvelle liste tous les emojis à l'intérieur a_list ? :

new_lis = ['     ']

J'ai essayé d'utiliser le regex, mais je n'ai pas tous les encodages possibles des emojis.

Answer 1

Vous pouvez utiliser le emoji bibliothèque. Vous pouvez vérifier si un point de code unique est un point de code emoji en vérifiant s'il est contenu dans le fichier emoji.UNICODE_EMOJI .

import emoji

def extract_emojis(s):
  return ''.join(c for c in s if c in emoji.UNICODE_EMOJI['en'])

Answer 2

Je pense qu'il est important de souligner que les réponses précédentes ne fonctionneront pas avec des emojis comme , car ils sont composés de 4 emojis, et en utilisant ... in emoji.UNICODE_EMOJI renverra 4 émojis différents. Même chose pour les emojis avec une couleur de peau comme .

Ma solution

Inclure le emoji et regex modules. Le module regex permet de reconnaître grappes de graphèmes (séquences de points de code Unicode rendues comme un seul caractère), nous pouvons donc compter les emojis comme

import emoji
import regex

def split_count(text):

    emoji_list = []
    data = regex.findall(r'\X', text)
    for word in data:
        if any(char in emoji.UNICODE_EMOJI['en'] for char in word):
            emoji_list.append(word)

    return emoji_list

Pruebas

avec plus d'emojis avec la couleur de la peau :

line = ["  me así, se  ds  hello  emoji hello  how are  you today"]

counter = split_count(line[0])
print(' '.join(emoji for emoji in counter))

sortie :

Inclure les drapeaux

Si vous voulez inclure des drapeaux, comme la gamme Unicode serait de a alors ajoutez :

flags = regex.findall(u'[\U0001F1E6-\U0001F1FF]', text) 

à la fonction ci-dessus, et return emoji_list + flags .

Véase cette réponse à "Une regex en python qui correspond à la classe de caractères de l'indicateur régional". pour plus d'informations sur les drapeaux.

Pour les plus récents emoji versions

pour fonctionner avec les emoji >= v1.2.0, vous devez ajouter un spécificateur de langue (par ex. en comme dans le code ci-dessus) :

emoji.UNICODE_EMOJI['en']

Answer 3

Si vous ne souhaitez pas utiliser une bibliothèque externe, vous pouvez, de manière pythique, utiliser simplement des expressions régulières et re.findall() avec une regex appropriée pour trouver les emojies :

In [74]: import re
In [75]: re.findall(r'[^\w\s,]', a_list[0])
Out[75]: ['', '', '', '', '', '']

L'expression régulière r'[^\w\s,]' est une classe de caractères négationnistes qui correspond à tout caractère qui n'est pas un caractère de mot, un espace ou une virgule.

Comme je l'ai mentionné dans le commentaire, un texte contient généralement des caractères de mot et de ponctuation qui seront facilement traités par cette approche, pour les autres cas, vous pouvez simplement les ajouter à la classe de caractères manuellement. Notez que puisque vous pouvez spécifier une gamme de caractères dans la classe de caractères, vous pouvez même la rendre plus courte et plus flexible.

Une autre solution consiste à utiliser, au lieu d'une classe de caractères négatifs qui exclut les caractères non emoji, une classe de caractères qui accepte les emojies ( [] sans ^ ). Puisqu'il y a beaucoup d'emojis avec des valeurs unicode différentes il suffit d'ajouter les plages à la classe de caractères. Si vous voulez faire correspondre plus d'emojies, voici une bonne référence contenant tous les emojies standard avec les plages respectives pour les différents emojies. http://apps.timwhitlock.info/emoji/tables/unicode :

Answer 4

La réponse la mieux notée ne fonctionne pas toujours. Par exemple, les emojis de drapeaux ne seront pas trouvés. Considérez la chaîne :

s = u'Hello \U0001f1f7\U0001f1fa hello'

Ce qui fonctionnerait mieux, c'est

import emoji
emojis_list = map(lambda x: ''.join(x.split()), emoji.UNICODE_EMOJI.keys())
r = re.compile('|'.join(re.escape(p) for p in emojis_list))
print(' '.join(r.findall(s)))

Answer 5

La solution pour obtenir exactement ce que tumbleweed demande, est un mélange entre la réponse la mieux notée et la réponse de user594836. Voici le code qui fonctionne pour moi en Python 3.6.

import emoji
import re

test_list=['  me así,bla es,se  ds ']

## Create the function to extract the emojis
def extract_emojis(a_list):
    emojis_list = map(lambda x: ''.join(x.split()), emoji.UNICODE_EMOJI.keys())
    r = re.compile('|'.join(re.escape(p) for p in emojis_list))
    aux=[' '.join(r.findall(s)) for s in a_list]
    return(aux)

## Execute the function
extract_emojis(test_list)

## the output
['     ']