用collections.Counter计数不同颜色的表情符号

Question

我想使用collections.Counter类来计数字符串中的表情符号。但是，当我介绍彩色表情符号时，它通常工作得很好，表情符号的颜色成分与表情符号是分开的，如下所示：

>>> import collections
>>> emoji_string = ""
>>> emoji_counter = collections.Counter(emoji_string)
>>> emoji_counter.most_common()
[('', 5), ('', 1), ('', 1), ('', 1), ('', 1), ('', 1)]

如何使most_common()函数返回如下内容：

[('', 1), ('', 1), ('', 1), ('', 1), ('', 1)]

我使用Python3.6

Answer 1

您将不得不将字符串拆分为不同的集群。您的每个表情符号实际上是两个代码点；该表情符号和一个符号修饰符FITZPATRICK类型为X代码点：

>>> print(emoji_string[0])

>>> print(emoji_string[1])

>>> print(emoji_string[:2])

>>> print(ascii(emoji_string[:2]))
'\U0001f44c\U0001f3fb'
>>> import unicodedata
>>> unicodedata.name(emoji_string[1])
'EMOJI MODIFIER FITZPATRICK TYPE-1-2'

您可以使用一个正则表达式来保留前面的表情符号：

import re

char_with_modifier = re.compile(r'(.[\U0001f3fb-\U0001f3ff]?)')
split_emoji = char_with_modifier.findall(emoji_string)

然后数数结果。

演示：

>>> import re
>>> from collections import Counter
>>> emoji_string = ""
>>> char_with_modifier = re.compile(r'(.[\U0001f3fb-\U0001f3ff]?)')
>>> Counter(char_with_modifier.findall(emoji_string))
Counter({'': 1, '': 1, '': 1, '': 1, '': 1})

Answer 2

import regex
from collections import Counter
emoji_string = ""
data = regex.findall(r'\X',emoji_string)
print(Counter(data))

预期产出

Counter({'': 1, '': 1, '': 1, '': 1, '': 1})