如何将表情符号与R正则表达式匹配？

Question

我想确定我的矢量的元素包含的表情符号：

x = c('', 'no', '', '', 'no', '', '䨺', '감사') 
x 
# [1] "\U0001f602" "no"   "\U0001f379" "\U0001f600" "no"   "\U0001f61b" "䨺"   "감사" 

相关职位只包括其他语言，因为他们大多是指专业图书馆，我无法想出一个办法来转换为R：

• What is the regex to extract all the emojis from a string?
• How do I remove emoji from string
• replace emoji unicode symbol using regexp in javascript
• Regular expression matching emoji in Mac OS X/iOS
• remove unicode emoji using re in python

第二个看起来非常有前途的，但很可惜（不提供perl = TRUE固定）：

x[grepl('[\u{1F600}-\u{1F6FF}]', x)] 

Error: invalid \u{xxxx} sequence (line 1)

类似的问题与其他问题来的。我们如何在R中匹配表情符号？

Answer 1

我的编码转换为UTF-8的表情符号价值的UTF-8值与remoji库，它是UTF-8的所有表情符号的值进行比较。我正在使用stringr库来查找矢量中表情符号的位置。一个可以自由使用grep或任何其他功能。

第1种方法：

library(stringr) 
xvect = c('', 'no', '', '', 'no', '') 

Encoding(xvect) <- "UTF-8" 

which(str_detect(xvect,"[^[:ascii:]]")==T) 
# [1] 1 3 4 6 

这里1,3,4和6的表情符号在这种情况下字符。

编辑：

第2种方法： 安装使用使用以下命令devtools叫remoji包，因为我们已经转换表情符号物品进入UTF -8。我们现在可以比较表情符号库中存在的所有表情符号的UTF- 值。使用trimws去除空格

install.packages("devtools") 

devtools::install_github("richfitz/remoji") 
library(remoji) 
emj <- emoji(list_emoji(), TRUE) 
xvect %in% trimws(emj) 

输出：

which(xvect %in% trimws(emo)) 
# [1] 1 3 4 6 

上述两种方法都没有充分证明和第一方法假定没有比在矢量表情符号以外的任何ASCII字符并且第二种方法依赖于图书馆信息remoji。如果库中没有某个表情符号信息，则最后一条命令可能会生成FALSE而不是TRUE。

最终编辑：

作为每OP之间的讨论（@MichaelChirico）和@SymbolixAU。由于他们两人似乎是小写字母U的错误的问题。新的正则表达式是xvect[grepl('[\U{1F300}-\U{1F6FF}]', xvect)]。角色等级范围从F300到F6FF。在表情符号位于此范围之外的情况下，可以将该范围改变为新的范围。这可能不是完整的列表，并且在这段时间内这些范围可能会不断增加/变化。