Pytanie jest proste: mam ciąg znaków
str, jak sprawdzić, czystrjest to jedno emoji i nic więcej? Dodatkowo wolałbym nie używać innej biblioteki.Mecz
"🍎","⛹🏿♂️","3️⃣"ale nie"🍓a","𝕒","🍌🍀"
Mam problem ze znalezieniem rozwiązania, ale próbowałem do tej pory kilku rzeczy:
Próba rozwiązania 1 - Baw się wokół długości i ...operatora
Dowiedziałem się, że emoji zajmują więcej niż jeden bajt, niektóre nawet 4 bajty lub więcej ... i możemy to zmierzyć za pomocą właściwości ciągu length:
console.log("🍎".length); // 2
console.log("🛡️".length); // 3
console.log("⛹🏿♂️".length); // 6Potem dowiedziałem się, że ...operator bierze to pod uwagę i poprawnie oddziela emoji w tablicy - mogłem wtedy zobaczyć właściwość tablicy wynikowej lengthi sprawdzić, czy są one różne.
str = "⛹🏿♂️";
if (str.length !== [...str].length) {
// is emoji?
} else {
// is not emoji
}Ale to nie sprawdza innych wielobajtowych znaków, takich jak 𝕡których długość wynosi 2. Ponadto niektóre emoji nadal dziwnie się rozdzielały.
Próba rozwiązania 2 - Regex, wyrażenia regularne
Oczywiście regex byłby rzeczą godną uwagi, ale wciąż nie znalazłem realnego rozwiązania.
Wyrażenie regularne tej odpowiedzi\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff] działa idealnie w celu wykrycia, czy łańcuch ma emoji, ale zastosowany w mojej sytuacji powoduje wiele problemów. Oto moje testy:
Część A - Bez początku / końca wyrażenia regularnego ( ^i $)
- 2A.1
str.match(regex)jest bardzo niespójny, rozkłada niektóre emoji i inne bezużyteczne. Nie widzę sposobu, aby dowiedzieć się, czy zawiera nawet znaki inne niż emoji lub czy zawiera więcej niż jeden emoji:
let regex = /(\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff])/;
console.log("5️⃣".match(regex)); // [ '⃣', '⃣', index: 2, input: '5️⃣' ]
console.log("💡".match(regex)); // [ '💡', '💡', index: 0, input: '💡' ]
console.log("🌡️🌡️".match(regex)); // [ '🌡', '🌡', index: 0, input: '🌡️🌡️' ]
console.log("a⛅".match(regex)); // [ '⛅', '⛅', index: 1, input: 'a⛅' ]- 2A.2
regex.test(str)zwraca wartość true za każdym razem, gdy w ciągu znajduje się emoji, czego nie szukam:
let regex = /(\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff])/;
console.log(regex.test("5️⃣")); // true - correct
console.log(regex.test("a")); // false - correct
console.log(regex.test("🌡️🌡️")); // true - should be false
console.log(regex.test("hello ⛅!")); // true - should be falseCzęść B - Z początkiem / końcem wyrażenia regularnego ciągu ( ^i $)
- 2B.1 z jakiegoś powodu
str.match(regex)powracanullna niektórych emoji. Nie mam pojęcia, dlaczego, alestr.match(regex)zakładam, że ma to jakiś związek z tym, dlaczego miałby rozbić te emoji w części A:
let regex = /^(\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff])$/;
console.log("5️⃣".match(regex)); // null
console.log("💡".match(regex)); // [ '💡', '💡', index: 0, input: '💡' ]
console.log("🌡️".match(regex)); // null
console.log("⛅".match(regex)); // [ '⛅', '⛅', index: 1, input: 'a⛅' ]
console.log("🍌🍀".match(regex)); // null- 2B.2
regex.test(str)powrócifalsena tych samych emotikony gdzie go zwrócićnullnastr.match(regex):
let regex = /^(\u00a9|\u00ae|[\u2000-\u3300]|\ud83c[\ud000-\udfff]|\ud83d[\ud000-\udfff]|\ud83e[\ud000-\udfff])$/;
console.log(regex.test("5️⃣")); // false - should be true
console.log(regex.test("💡")); // true - correct
console.log(regex.test("🌡️")); // false - should be true
console.log(regex.test("⛅")); // true - correct
console.log(regex.test("🍌🍀")); // false - correctCzęść C - Inne wyrażenia regularne
- Znalazłem ten, ale daje podobne niespójności, choć nie takie same
/(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01\uddff]|\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32\ude02]|\ud83c\ude1a|\ud83c\ude2f|\ud83c[\ude32-\ude3a]|[\ud83c[\ude50\ude3a]|\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])/g:
let regex = /^(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01\uddff]|\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32\ude02]|\ud83c\ude1a|\ud83c\ude2f|\ud83c[\ude32-\ude3a]|[\ud83c[\ude50\ude3a]|\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])$/g
console.log(regex.test("5️⃣")); // true - correct
console.log(regex.test("💡")); // false - should be true
console.log(regex.test("🌡️")); // false - should be true
console.log(regex.test("⛅")); // true - correct
console.log(regex.test("🍌🍀")); // false - correct- To również psuje się okropnie (druga zmiana testu na podstawie pierwszego testu?)
let regex = /^(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01\uddff]|\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32\ude02]|\ud83c\ude1a|\ud83c\ude2f|\ud83c[\ude32-\ude3a]|[\ud83c[\ude50\ude3a]|\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])$/g
console.log(regex.test("⛹🏿♂️")); // false
console.log(regex.test("⛅")); // truelet regex = /^(?:[\u2700-\u27bf]|(?:\ud83c[\udde6-\uddff]){2}|[\ud800-\udbff][\udc00-\udfff]|[\u0023-\u0039]\ufe0f?\u20e3|\u3299|\u3297|\u303d|\u3030|\u24c2|\ud83c[\udd70-\udd71]|\ud83c[\udd7e-\udd7f]|\ud83c\udd8e|\ud83c[\udd91-\udd9a]|\ud83c[\udde6-\uddff]|[\ud83c[\ude01\uddff]|\ud83c[\ude01-\ude02]|\ud83c\ude1a|\ud83c\ude2f|[\ud83c[\ude32\ude02]|\ud83c\ude1a|\ud83c\ude2f|\ud83c[\ude32-\ude3a]|[\ud83c[\ude50\ude3a]|\ud83c[\ude50-\ude51]|\u203c|\u2049|[\u25aa-\u25ab]|\u25b6|\u25c0|[\u25fb-\u25fe]|\u00a9|\u00ae|\u2122|\u2139|\ud83c\udc04|[\u2600-\u26FF]|\u2b05|\u2b06|\u2b07|\u2b1b|\u2b1c|\u2b50|\u2b55|\u231a|\u231b|\u2328|\u23cf|[\u23e9-\u23f3]|[\u23f8-\u23fa]|\ud83c\udccf|\u2934|\u2935|[\u2190-\u21ff])$/g;
console.log(regex.test("⛹")); // true
console.log(regex.test("⛅")); // falseCzy istnieje sposób na obejście tego całego bałaganu emoji / unicode / regex? Czy biblioteki / api to jedyny sposób? Jak oni to robią?
1
Zobacz regex101.com/r/dQEURi/1
—
Wiktor Stribiżew
Osobiście uważam, że utrzymywanie wyrażenia regularnego nie jest zbyt dobrym pomysłem, chyba że generujesz go na podstawie specyfikacji Unicode . Istnieją już biblioteki, które to robią. Zobacz emoji-regex i emoji.json .
—
Jake Holzinger
Dziękuję Wiktor Stribiżew, że wyrażenie regularne działa idealnie! Czy mogę wiedzieć, skąd to masz?
—
luxluxdev,
Jest czas i miejsce dla bibliotek. IMHO to jedna z nich. Koszt utrzymania zależności między wersjami i rozmiarem pliku wydaje się więcej niż przeważony, gdy ktoś inny rozwiązuje ten bardzo złożony problem.
—
Chris,
Re: „jak to robią” biblioteka, do której odwołuje się Daniel Vickers: unicode.org/reports/tr29/#Default_Grapheme_Cluster_Table
—
Chris,