如何使用独角兽数据模块处理Python 3中的多字符Unicode表情？

Question

当我在使用表情符号并试图获取它们的代码点和unicodedata模块的名称时，我一直对多字符表情符号有问题。模块拒绝让我使用字符串，而是使用想要的字符。我尝试了规范化，我尝试了用utf-8和unicode-escape编码，我一遍又一遍地研究它，但是我没有成功地找到正在发生的事情！

emojis = ["", "", "", "", "❣️", "✨"]
for emoji in emojis:
    codepoint: str = hex(ord(emoji))
    filename = 'emoji_u{0}.png'.format(codepoint[2:])
    print('{emoji} ({codepoint}) => {filename}'.format(emoji=emoji,
                                                       codepoint=codepoint,
                                                       filename=filename))

虽然是的，上面的代码并不使用unicodedata模块，但它向您展示了我有什么问题，不管.

 (0x1f496) => emoji_u1f496.png
 (0x1f498) => emoji_u1f498.png
 (0x1f49d) => emoji_u1f49d.png
 (0x1f49e) => emoji_u1f49e.png
Traceback (most recent call last):
  File "F:/Programming/Languages/Vue.js/lovely/collect.py", line 8, in <module>
    codepoint: str = hex(ord(emoji))
TypeError: ord() expected a character, but string of length 2 found

在休息之后，我无意间把表情符号从这个：❣️转换成了这个：❣。Python能够很好地处理这个新的表情符号字符。unicodedata模块也喜欢它！

那有什么区别？为什么在我的浏览器和IDE中一个有颜色，而另一个没有？最重要的是，如何在Python中将多字符表情转换为单字符表情符号？

Answer 1

一些人类感知的单字符表情符号(称为图形符号)是由多个代码点组成的.这是一个处理它们的方法。我添加了一个复杂的例子：

import unicodedata as ud

emojis = ["", "", "", "", "❣️", "✨", "‍‍‍"]
for emoji in emojis:
    print('Emoji:',emoji)
    for cp in emoji:
        print(f'    {cp} U+{ord(cp):04X} {ud.name(cp)}')

输出：

Emoji: 
     U+1F496 SPARKLING HEART
Emoji: 
     U+1F498 HEART WITH ARROW
Emoji: 
     U+1F49D HEART WITH RIBBON
Emoji: 
     U+1F49E REVOLVING HEARTS
Emoji: ❣️
    ❣ U+2763 HEAVY HEART EXCLAMATION MARK ORNAMENT
    ️ U+FE0F VARIATION SELECTOR-16
Emoji: ✨
    ✨ U+2728 SPARKLES
Emoji: ‍‍‍
     U+1F468 MAN
    ‍ U+200D ZERO WIDTH JOINER
     U+1F469 WOMAN
    ‍ U+200D ZERO WIDTH JOINER
     U+1F467 GIRL
    ‍ U+200D ZERO WIDTH JOINER
     U+1F466 BOY

如果表情符号是在一个字符串中，那么处理单个字素的规则是复杂的，而是由第三方regex模块实现的。\X与图形素匹配：

import unicodedata as ud
import regex

for m in regex.finditer(r'\X', '❣️✨‍‍‍'):
    emoji = m.group(0)
    print(f'{emoji}   {ascii(emoji)}')

输出：

   '\U0001f496'
   '\U0001f498'
   '\U0001f49d'
   '\U0001f49e'
❣️   '\u2763\ufe0f'
✨   '\u2728'
‍‍‍   '\U0001f468\u200d\U0001f469\u200d\U0001f467\u200d\U0001f466'