如何使用 xquery 从文本中删除表情符号

Question

我有一个$text = "Hello \xc3\xbc\xc3\xa4\xc3\xb6$"

\n

我想使用xquery从文本中删除表情符号。我怎样才能做到这一点？

\n

预期结果：“你好\xc3\xbc\xc3\xa4\xc3\xb6$”

\n

我尝试使用：

\n

replace($text, '[^\\x00-\\xFFFF]', '')\n

\n

但没有用。

\n

提前致谢 ：）

\n

Answer 1

要替换表情符号，您可以利用 XPath 对字符类转义（特别是类别和块转义）的支持来匹配命名的 Unicode 块：

\n

replace("Hello  \xc3\xbc\xc3\xa4\xc3\xb6$", "\\p{IsEmoticons}", "")\n

\n

这将返回预期结果：

\n

Hello  \xc3\xbc\xc3\xa4\xc3\xb6$\n

\n

“表情符号”块不包含通常与“表情符号”相关的所有字符。例如，(Purple Heart, U+1F49C)，根据https://www.compart.com/en/unicode/U+1F49C等可让您查找 Unicode 字符信息的网站，来自：

\n

\n

各种符号和象形文字，U+1F300 - U+1F5FF

\n

\n

此块在 XPath 或 XQuery 处理器中不可用，因为它既未在上面链接的 XML Schema 1.0 规范中列出，也不在用于 XSD 正则表达式的 Unicode 块名称中\xe2\x80\x94a XPath 和需要符合 XML Schema 1.1 的 XQuery 处理器才能支持.

\n

对于 XPath 或 XQuery 中不可用的块中的字符，您可以手动构造字符类。例如，给定上面的紫心勋章字符，我们可以按如下方式进行匹配：

\n

replace("Purple  heart", "[🌀-🗿]", "")\n

\n

这将返回预期结果：

\n

Purple  Heart\n

\n

如果您想知道为什么我们使用🌀and 而不是U+1F300or \\x1F300，这是因为，正如 Michael Kay 上面指出的，“XQuery 使用 XML 转义约定，而不是 C/Java 转义约定\\xFFFF”。

\n

（我已经更新了答案以回应其他非常有用的评论。）

\n