Comment puis-je supprimer emoji caractères d'une chaîne?

J'ai une saisie de texte à partir d'un appareil mobile. Il contient des emoji. En C#, j'ai le texte comme

Text 🍫🌐 text

Tout simplement, je veux que le texte de sortie pour être

Text text

J'essaie seulement de supprimer tous ces émoticônes à partir du texte avec rejex.. sauf, je ne suis pas sûr de savoir comment convertir les émoticônes dans une séquence unicode..
Comment dois-je faire?

edit:

J'essaie de sauver la saisie de l'utilisateur dans mysql. Il ressemble à mysql en UTF8 n'est pas vraiment en charge les caractères unicode et les bonne façon de le faire serait par la modification du schéma mais je ne pense pas que ce soit une option pour moi. Donc j'essaye seulement de supprimer tous les caractères emoji avant de l'enregistrer dans la base de données.

C'est mon schéma pour la colonne correspondante:

Je suis en utilisant Nhibernate comme mon ORM et de la requête d'insertion généré ressemble à ceci:

Insert into `Content` (ContentTypeId, Comments, DateCreated) 
values (?p0, ?p1, ?p2);
?p0 = 4 [Type: Int32 (0)]. ?p1 = 'Text 🍫🌐 text' [Type: String (20)], ?p2 = 19/01/2015 10:38:23 [Type: DateTime (0)]

Quand je copie cette requête à partir de journaux et de les exécuter sur mysql directement, j'obtiens cette erreur:

1 warning(s): 1366 Incorrect string value: '\xF0\x9F\x98\x80 t...' for column 'Comments' at row 1   0.000 sec

Aussi, j'ai essayé de le convertir en codage des octets et il ne fonctionne pas vraiment..

Ce n'est pas vraiment clair ce que vous essayez d'atteindre - que feriez-vous avec la valeur de la chaîne après le remplacement de caractères?
édité le post, merci.
UTF-8 doit être vraiment très bien ici. Pouvez-vous poster les détails de la façon dont vous êtes en train d'essayer de sauver les données, ainsi que vos informations de schéma?
Voir ici: gist.github.com/adamlwatson/9623703
(En supposant que vous voulez supprimer, plutôt que de trier votre encodage)
ajouté l'info.
La version de MySQL êtes-vous sur? Apparemment le jeu de caractères utf8mb4 devrait rendre les choses tikitiboo... lire la réponse ici stackoverflow.com/questions/24253985/... "Il semble que MySQL supporte deux formes de l'unicode ucs2 qui est en 16 bits par caractère et utf8 jusqu'à 3 octets par caractère. La mauvaise nouvelle, c'est que ni la forme ne va appuyer plan 1 caractères qui nécessitent au 17 bits. (principalement des emoji). Il ressemble à MySQL 5.5.3 et aussi de soutien utf8mb4, utf16, et utf32 et des caractères supplémentaires (lire emoji)"
Vous n'avez pas montré en fait le code que vous utilisez. Le message d'erreur ne semble pas cadrer avec le codage UTF-8 pour l'une de ces valeurs, ce qui est étrange...
oui, j'ai été le tester avec un peu d'émoticônes, de sorte que le message est pour un autre emoji. Aussi, vous ne savez pas ce que vous entendez par code? J'utilise régulièrement nhibernate référentiel qui permet d'économiser de l'objet avec public virtual String Comments { get; set; } de la propriété. La requête d'insertion produit est très bien, c'est juste que mysql db ne peut pas gérer l'unicode.
Je ne pense pas que la modification du schéma est une option, mais il va essayer de parler à dba à ce sujet! ce dont j'ai besoin est quelque chose comme ce que Octopid a mentionné, mais en c#, mais je juste ne pouvez pas sembler être capable de regex les émoticônes!
Quelque chose d'être conscient de stackoverflow.com/questions/10992921/... "Cependant, notez qu'il y a d'autres personnages dans le Plan Multilingue de Base qui sont utilisés comme des emoji par des téléphones, mais qui sont antérieurs à long emoji. Par exemple U+2665 est la traditionnelle Cœur Costume de personnage ♥, mais il ma rendu un emoji graphique sur certains appareils. C'est à vous de décider si vous traiter cela comme emoji et d'essayer de les supprimer."
Octopoid l'essentiel n'est pas de les convertir, il les supprime. Si vous voulez seulement de supprimer tous les caractères non dans le BMP, qui est assez facile.
oui, je veux juste retirer! mais pour les enlever je dois regex match et c'est là que je suis coincé maintenant.
"Afin de convertir correspondant \uxxxx caractères" n'est qu'un leurre?

InformationsquelleAutor LocustHorde | 2015-01-19

c#emoji mysql unicode

35

En supposant que vous voulez simplement supprimer tous les non-BMP caractères, c'est à dire quoi que ce soit avec un point de code Unicode U+10000 et plus, vous pouvez utiliser une expression régulière pour enlever toute UTF-16 de substitution unités de code à partir de la chaîne. Par exemple:
```
using System;
using System.Text.RegularExpressions;

class Test
{
    static void Main(string[] args)
    {
        string text = "x\U0001F310y";
        Console.WriteLine(text.Length); //4
        string result = Regex.Replace(text, @"\p{Cs}", "");
        Console.WriteLine(result); //2
    }
}
```
Ici "Cs" est l'Unicode catégorie "mère porteuse".

Il semble que Regex des travaux basés sur de code UTF-16 unités plutôt que des points de code Unicode, sinon vous auriez besoin d'une approche différente.

Remarque qu'il y a des non-BMP, de caractères autres que des emoji, mais je soupçonne que vous trouverez qu'ils vont avoir le même problème lorsque vous essayez de les stocker.
- Salut, j'ai fait de la question pour décrire ce que je pensais mon problème.. mais j'ai essayé votre réponse et il s'avère que je n'ai pas vraiment besoin de les convertir.. Donc j'ai édité la question maintenant! i.imgur.com/NoQfxud.png Merci à vous!
- Tant que vous êtes conscient que vous êtes tout simplement de jeter les bits de l'entrée de l'utilisateur...
- Oui! c'est une solution temporaire (je l'espère à court terme!)
- Salut @JonSkeet, je suis en train d'utiliser votre Regex pour détecter si les émoticônes sont inclus dans une chaîne (presque exactement le même code). Pour une raison quelconque \p{Cs} ne pas attraper tous les émoticônes. Savez-vous quelque chose à ce sujet par hasard? J'ai essayé environ 30 d'entre eux et une ou deux n'ont pas été détectés. Je suis en supposant qu'ils ne sont pas dans la gamme de la regex, mais j'aimerais votre avis d'expert car je ne sais rien au sujet des mères porteuses et très peu sur les chars en général
- Eh bien, avez-vous regarder ce Unicode catégories de ces personnages? Il est probablement préférable de poser une nouvelle question avec un exemple complet, plutôt que "un ou deux d'entre eux" (nous laissant deviner lequel). On peut alors observer ce qu'il se passe beaucoup plus facilement.
- Vous avez raison. Voici un lien vers la nouvelle question pour vous ou pour les futurs voyageurs : stackoverflow.com/questions/46905176/detecting-all-emojis
- Cette expression a parfaitement fonctionné. Merci
InformationsquelleAutor Jon Skeet

Vous devez vous connecter pour publier un commentaire.