«Удалить эмодзи из строки Java»

«1. Обзор

В наши дни эмодзи становятся все более популярными в текстовых сообщениях — иногда нам нужно очистить наш текст от них и других символов.

В этом уроке мы обсудим различные способы удаления эмодзи из строки в Java.

2. Использование библиотеки эмодзи

Сначала мы воспользуемся библиотекой эмодзи, чтобы удалить эмодзи из нашей строки.

Мы будем использовать emoji-java в следующем примере, поэтому нам нужна эта зависимость от нашего pom.xml:

<dependency>
    <groupId>com.vdurmont</groupId>
    <artifactId>emoji-java</artifactId>
    <version>4.0.0</version>
</dependency>

Последнюю версию можно найти здесь.

Теперь давайте посмотрим, как использовать emoji-java для удаления смайликов из нашей строки:

@Test
public void whenRemoveEmojiUsingLibrary_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String result = EmojiParser.removeAllEmojis(text);

    assertEquals(result, "la conférence, commencera à 10 heures ");
}

Здесь мы вызываем метод removeAllEmojis() EmojiParser.

Мы также можем использовать EmojiParser для замены эмодзи их псевдонимами с помощью метода parseToAliases():

@Test
public void whenReplaceEmojiUsingLibrary_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String result = EmojiParser.parseToAliases(text);

    assertEquals(
      result, 
      "la conférence, commencera à 10 heures :sweat_smile:");
}

Обратите внимание, что использование этой библиотеки очень полезно, если нам нужно заменить эмодзи их псевдонимами.

Однако библиотека emoji-java будет обнаруживать только смайлики, но не сможет обнаруживать символы или другие специальные символы.

3. Использование регулярного выражения

Далее мы можем использовать регулярное выражение для удаления эмодзи и других символов. Мы разрешим только определенные типы символов:

@Test
public void whenRemoveEmojiUsingMatcher_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String regex = "[^\\p{L}\\p{N}\\p{P}\\p{Z}]";
    Pattern pattern = Pattern.compile(
      regex, 
      Pattern.UNICODE_CHARACTER_CLASS);
    Matcher matcher = pattern.matcher(text);
    String result = matcher.replaceAll("");

    assertEquals(result, "la conférence, commencera à 10 heures ");
}

Разберем наше регулярное выражение:

\\p{L} — разрешить все буквы любого языка \\p{N} — для числа \\p{P} — для пунктуации \\p{Z} — для разделителей пробелов ^ для отрицания, поэтому все эти выражения будут занесены в белый список

Это выражение будет содержать только буквы, цифры, знаки препинания и пробелы . Мы можем настроить выражение так, как мы хотим разрешить или удалить больше типов символов

Мы также можем использовать String.replaceAll() с тем же регулярным выражением:

@Test
public void whenRemoveEmojiUsingRegex_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String regex = "[^\\p{L}\\p{N}\\p{P}\\p{Z}]";
    String result = text.replaceAll(regex, "");

    assertEquals(result, "la conférence, commencera à 10 heures ");
}

5. Использование кодовых точек

Теперь мы ll также обнаружит смайлики, используя их кодовые точки. Мы можем использовать выражение \\x{шестнадцатеричное значение} для соответствия определенной точке Unicode.

В следующем примере мы удаляем два диапазона эмодзи Unicode, используя их точки Unicode:

@Test
public void whenRemoveEmojiUsingCodepoints_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String result = text.replaceAll("[\\x{0001f300}-\\x{0001f64f}]|[\\x{0001f680}-\\x{0001f6ff}]", "");

    assertEquals(result, "la conférence, commencera à 10 heures ");
}

Полный список доступных в настоящее время смайликов и их кодовых точек можно найти здесь.

6. Использование диапазона Unicode

Наконец, мы снова будем использовать Unicode, но на этот раз с выражением \\u.

Проблема в том, что некоторые точки Unicode не помещаются в один 16-битный символ Java, поэтому для некоторых из них требуется два символа.

Вот соответствующее выражение с использованием \\u:

@Test
public void whenRemoveEmojiUsingUnicode_thenSuccess() {
    String text = "la conférence, commencera à 10 heures ?";
    String result = text.replaceAll("[\ud83c\udf00-\ud83d\ude4f]|[\ud83d\ude80-\ud83d\udeff]", "");

    assertEquals(result, "la conférence, commencera à 10 heures ");
}

7. Заключение

В этой быстрой статье мы узнали о различных способах удаления эмодзи из строки Java. Мы использовали библиотеку эмодзи, регулярные выражения и диапазоны Unicode.

Полный исходный код примеров можно найти на GitHub.