匹配和替换字符串中的表情符号 - 最有效的方法是什么？

Question

维基百科定义了人们可以使用的许多可能的表情符号。我想将此列表与字符串中的单词匹配。我现在有这个：

$string = "Lorem ipsum :-) dolor :-| samet";
$emoticons = array(
  '[HAPPY]' => array(' :-) ', ' :) ', ' :o) '), //etc...
  '[SAD]'   => array(' :-( ', ' :( ', ' :-| ')
);
foreach ($emoticons as $emotion => $icons) {
  $string = str_replace($icons, " $emotion ", $string);
}
echo $string;

输出：

Lorem ipsum [HAPPY] dolor [SAD] samet

所以原则上这是有效的。但是，我有两个问题：

1. 如您所见，我在数组中的每个表情符号周围放置了空格，例如 ':-) ' 而不是 ':-)' 在我看来，这使得数组的可读性降低。有没有办法在没有空格的情况下存储表情符号，但仍然与周围有空格的 $string 匹配？（和现在的代码一样高效？）

2. 或者有没有办法将表情符号放在一个变量中，然后在空间上爆炸以检查 $string？就像是

   $emoticons = array( '[HAPPY]' => ">:] :-) :) :o) :] :3 :c) :> =] 8) =) :} :^)", '[SAD] ' => ":'-( :'( :'-) :')" //等等...

3. str_replace 是最有效的方法吗？

我问是因为我需要检查数百万个字符串，所以我正在寻找节省处理时间的最有效方法:)

Answer 1

这是使用来自 CPAN的 Perl 3rd-party Regexp::Assemble模块的想法。例如，给定这个程序：

#!/usr/bin/env perl
use utf8;
use strict;
use warnings;

use Regexp::Assemble;

my %faces = (
    HAPPY => [qw¡ :-) :) :o) :-} ;-} :-> ;-} ¡],
    SAD   => [qw¡ :-( :( :-| ;-) ;-( ;-< |-{ ¡],
);

for my $name (sort keys %faces) {
    my $ra = Regexp::Assemble->new();
    for my $face (@{ $faces{$name} }) {
        $ra->add(quotemeta($face));
    }
    printf "%-12s => %s\n", "[$name]", $ra->re;
}

它会输出这个：

[HAPPY]      => (?-xism:(?::(?:-(?:[)>]|\})|o?\))|;-\}))
[SAD]        => (?-xism:(?::(?:-(?:\||\()|\()|;-[()<]|\|-\{))

那里有一些您可能并不真正需要的额外内容，因此这些内容将减少为：

[HAPPY]      => (?:-(?:[)>]|\})|o?\))|;-\}
[SAD]        => (?:-(?:\||\()|\()|;-[()<]|\|-\{

或者。您可以将其构建到 Perl 程序中以修剪额外的位。然后您可以将右侧直接放入您的preg_replace.

我这样做的原因use utf8是我可以¡用作我的qw//分隔符，因为我不想在里面转义东西。

如果整个程序都在 Perl 中，您就不需要这样做，因为现代版本的 Perl 已经知道会自动为您执行此操作。但是了解如何使用该模块仍然很有用，这样您就可以生成在其他语言中使用的模式。