python 过滤四字节字符 表情字符

项目中有时需要过滤掉四字节以上的字符（表情），比如mysql数据库5.5.3以下的版本text字段不支持四字节以上字符

于是就需要过滤掉再入库，python中的方法为:

1.  
   try:
2.  
   # python UCS-4 build的处理方式
3.  
   highpoints = re.compile(u'[\U00010000-\U0010ffff]')
4.  
   except re.error:
5.  
   # python UCS-2 build的处理方式
6.  
   highpoints = re.compile(u'[\uD800-\uDBFF][\uDC00-\uDFFF]')

    

   ----------------------------------------------------------------------------------

   后来发现，发现这问题的原因是:UTF-8编码中文的字节通常是3-4字节，Emoji表情是4字节，读写数据库稍不留神就报错！

   哈哈哈哈哈哈发现问题就简单了，目前我们文本分析不需要分析表情包，我决定把它们都删了！

    

   然后：emoji官网，https://pypi.org/project/emoji/（靠谱的emoji处理库）

   安装 pip install emoji

   清除命令：

   emoji.demojize(str)