1. Обзор
В наши дни эмодзи становятся все более популярными в текстовых сообщениях - иногда нам нужно очистить наш текст от них и других символов.
В этом руководстве мы обсудим различные способы удаления смайликов из String в Java.
2. Использование библиотеки Emoji
Во-первых, мы будем использовать библиотеку эмодзи для удаления смайликов из нашей Строки .
Мы будем использовать emoji-java в следующем примере, поэтому нам нужна эта зависимость от нашего pom.xml
<dependency>
<groupId>com.vdurmont</groupId>
<artifactId>emoji-java</artifactId>
<version>4.0.0</version>
</dependency>
Последнюю версию можно найти here
Теперь давайте посмотрим, как использовать _emoji-java для удаления смайликов из нашей String_ :
@Test
public void whenRemoveEmojiUsingLibrary__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String result = EmojiParser.removeAllEmojis(text);
assertEquals(result, "la conférence, commencera à 10 heures ");
}
Здесь мы вызываем метод removeAllEmojis () EmojiParser .
Мы также можем использовать EmojiParser для замены emoji его псевдонимами, используя метод parseToAliases () :
@Test
public void whenReplaceEmojiUsingLibrary__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String result = EmojiParser.parseToAliases(text);
assertEquals(
result,
"la conférence, commencera à 10 heures :sweat__smile:");
}
Обратите внимание, что использование этой библиотеки очень полезно, если нам нужно заменить emoji их псевдонимами.
Тем не менее, библиотека emoji-java будет обнаруживать только эмодзи, но не сможет обнаружить символы или другие специальные символы.
3. Использование регулярного выражения
Далее мы можем использовать регулярное выражение для удаления смайликов и других символов. Мы разрешаем только определенные типы символов:
@Test
public void whenRemoveEmojiUsingMatcher__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String regex = "[^\\p{L}\\p{N}\\p{P}\\p{Z}]";
Pattern pattern = Pattern.compile(
regex,
Pattern.UNICODE__CHARACTER__CLASS);
Matcher matcher = pattern.matcher(text);
String result = matcher.replaceAll("");
assertEquals(result, "la conférence, commencera à 10 heures ");
}
Давайте разберем наше регулярное выражение:
-
\ p \ {L} - разрешить все буквы на любом языке
-
\ p \ {N} - для чисел
-
\ p \ {P} - для пунктуации
-
\ p \ {Z} - для разделителей пробелов
-
^ для отрицания, поэтому все эти выражения будут в белом списке
-
Это выражение будет содержать только буквы, цифры, знаки пунктуации и пробелы. ** Мы можем настроить выражение так, как мы хотим разрешить или удалить больше типов символов
Мы также можем использовать String.replaceAll () с тем же регулярным выражением:
@Test
public void whenRemoveEmojiUsingRegex__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String regex = "[^\\p{L}\\p{N}\\p{P}\\p{Z}]";
String result = text.replaceAll(regex, "");
assertEquals(result, "la conférence, commencera à 10 heures ");
}
5. Использование Code Points
Теперь мы также обнаружим смайлики, используя их кодовые точки. Мы можем использовать выражение \ x \ {шестнадцатеричное значение} для соответствия определенной точке Unicode.
В следующем примере мы удаляем два диапазона смайликов Unicode, используя их точки Unicode:
@Test
public void whenRemoveEmojiUsingCodepoints__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String result = text.replaceAll("[\\x{0001f300}-\\x{0001f64f}]|[\\x{0001f680}-\\x{0001f6ff}]", "");
assertEquals(result, "la conférence, commencera à 10 heures ");
}
Полный список доступных на данный момент смайликов и их кодовые точки можно найти по адресу here .
6. Использование Unicode Range
Наконец, мы снова будем использовать Unicode, но на этот раз будем использовать выражение \ u .
Проблема в том, что некоторые точки Unicode не вписываются в один 16-битный символ Java, поэтому для некоторых из них нужны два символа.
Вот соответствующее выражение, использующее \ u :
@Test
public void whenRemoveEmojiUsingUnicode__thenSuccess() {
String text = "la conférence, commencera à 10 heures 😅";
String result = text.replaceAll("[\ud83c\udf00-\ud83d\ude4f]|[\ud83d\ude80-\ud83d\udeff]", "");
assertEquals(result, "la conférence, commencera à 10 heures ");
}
7. Заключение
В этой быстрой статье мы узнали о различных способах удаления смайликов из строки Java. Мы использовали библиотеку эмодзи, регулярные выражения и диапазоны Юникода.
Полный исходный код для примеров можно найти over на GitHub .