拆分包含表情符号的字符串

Question

我需要将可能包含或不包含表情符号的字符串拆分为单个字符列表（保持表情符号完整）。目前，正如预期的那样，任何表情符号都被分成单独的部分。

String s = "abc";
String[] tokens = s.split("");
// tokens is ["?","?","?","?","a","b","c","?","?"]
// tokens should be ["","","a","b","c",""]

我希望将项目大小保持在最小，并且几乎没有依赖项，因此我想远离任何第三方库。确切的输出类型并不重要，只要我至少可以按顺序迭代令牌即可。

Answer 1

您可以匹配并提取由基本字符和该字符后任意数量的变音符号组成的所有 Unicode 代码点：

\P{M}\p{M}*+

它匹配除变音符号之外的任何字符，然后匹配任何 0+ 变音符号字符。

Java 9+ 演示：

import java.util.*;
import java.util.stream.*;
import java.util.regex.*;

class Ideone
{
    public static void main (String[] args) throws java.lang.Exception
    {
        String s = "abc";
        List<String> results = Pattern.compile("\\P{M}\\p{M}*+").matcher(s)
            .results()
            .map(MatchResult::group)
            .collect(Collectors.toList());
        System.out.println(results); 
    }
}
// => [, , a, b, c, ]

在早期的 Java 版本中，您可以使用

import java.util.regex.*;
//.....
String s = "abc";
List<String> results = new ArrayList<>();
Matcher m = Pattern.compile("\\P{M}\\p{M}*+").matcher(s);
while (m.find()) {
    results.add(m.group());
}
System.out.println(results);  // => [, , a, b, c, ]

查看另一个 Java 演示