替换字符串中的表情符号会导致奇数字符

【问题标题】：Replacing emoji in string results in odd characters替换字符串中的表情符号会导致奇数字符
【发布时间】：2016-06-23 00:52:35
【问题描述】：

我有这个字符串：s = '☀️✈️✈️вьетнам'

我想从中删除表情符号。

所以我在做：

import re
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)

这给了我一个奇怪的结果，我将其显示为屏幕截图，因为我无法在此处复制和粘贴它。

奇怪的是，您可以看到“打印”显示正确的结果。为什么会这样？

【问题讨论】：

对我来说，another odd thing 正在发生。

标签： regex python-3.x encoding

【解决方案1】：

我用这段代码试了一下 ideone：

import re

s = '☀️✈️✈'
emoji_re = re.compile(u'['
    u'\U0001F300-\U0001F64F'
    u'\U0001F680-\U0001F6FF'
    u'\u2600-\u26FF\u2700-\u27BF]+', 
    re.UNICODE)
new = emoji_re.sub(r'', s)
print(new)

输出是，嗯，有点空。只是因为我后来添加了：

print(len(new))

哪个输出：

2

我很高兴看到我们正在处理不可打印的字符，这就是为什么您不能在此处粘贴它。将字符串编码为 utf-8：

print(new.encode("utf-8"))

输出

b'\xef\xb8\x8f\xef\xb8\x8f'

看着unicodelookup 似乎正则表达式错过了这个字符：

 variation selector-16  0xFE0F

【讨论】：