如何从文本中删除使用 xquery 的特殊表情符号

Question

我有一个 $text = "你好 ???????????? ?????? ???????? ????üäö$"

我想使用 xquery 从文本中删除表情符号。我该怎么做？

预期结果：“Hello üäö$”

我尝试使用：

replace($text, '\p{IsEmoticons}+', '')

但没用。

它只是删除了笑脸

现在的结果：“你好 ???? ???????? ????üäö$” 预期结果：“Hello üäö$”

提前致谢:)

Answer 1

我在my answer to the original question 中概述了该方法，我根据您询问如何删除?的评论更新了该方法。

引用该扩展答案：

“表情符号”块不包含通常与“表情符号”相关的所有字符。例如，?（紫心，U+1F49C），根据https://www.compart.com/en/unicode/U+1F49C 之类的网站可以让您查找 Unicode 字符信息，来自：

其他符号和象形文字，U+1F300 - U+1F5FF

此块在 XPath 或 XQuery 处理器中不可用，因为它既没有列在上面链接的 XML Schema 1.0 规范中，也没有列在 Unicode block names for use in XSD regular expressions 中——XPath 和 XQuery 处理器符合 XML Schema 1.1 的块列表是required to support。

对于 XPath 或 XQuery 中不可用的块中的字符，您可以手动构造字符类。例如，给定上面的紫心字符，我们可以这样匹配：

replace("Purple ? heart", "[🌀-🗿]", "")

这会返回预期的结果：

Purple  Heart

这种方法可以应用于??、?或任何其他角色：

1. 找到角色的 unicode 块。
2. 使用块名称（如果在 XPath 中可用）或字符类来创建您的正则表达式。

或者，您可以识别要保留的字符块，而不是定位要删除的字符块。例如，给定原始帖子中的示例字符串，目标可能是仅保留“基本拉丁语”块中的那些字符。为此，我们可以通过\P Category Escape 匹配不在此块中的字符：

xquery version "3.1";

let $text := "Hello ??? ? ?? ?üäö$"
return
    replace($text, "\P{IsBasicLatin}", "")

此查询返回：

Hello    $

请注意，这已经去掉了带有变音符号的字符，这可能是不希望的。这些带有变音符号的字符属于 Latin-1 Supplement 块。要同时保留 Latin 和 Latin-1 Supplement 块中的字符，我们需要按如下方式调整查询：

xquery version "3.1";

let $text := "Hello ??? ? ?? ?üäö$"
return
    replace($text, "[^\p{IsBasicLatin}\p{IsLatin-1Supplement}]", "")

...返回：

Hello    üäö$

现在这会保留带有变音符号的字符。

要准确了解您保留或删除的字符，您需要查阅 Unicode 块和图表。