import emoji

def emoji_lis(string):
_entities = []
for pos,c in enumerate(string):
    if c in emoji.UNICODE_EMOJI:
        print("Matched!!", c ,c.encode('ascii',"backslashreplace"))
        _entities.append({
            "location":pos,
            "emoji": c
            })
return _entities

emoji_lis(" مدیحہ  así, se  ds ")

匹配！！U0001f467 匹配！！U0001f3ff 匹配！！U0001f60c 匹配！！U0001f495 匹配！！U0001f46d

我的代码适用于所有其他表情符号，但我如何检测国家旗帜？

推荐答案

这里有一篇关于Unicode encodes country flags的文章。它们被表示为两个regional indicator symbols(码位范围从U+1F1E6到U+1F1FF)的序列，尽管显然不是两个符号的每一个可能的组合都对应于一个国家(因此也对应于一个国旗)。您可以假设不会出现"坏"组合，或者维护(或导入)具有(当前)270个有效符号对的集合。

然后是地区旗帜。它们被表示为一个黑色标志代码点(U+1F3F4)，后跟一系列拼写区域标识符的tags(代码点U+E0001，范围从U+E0020到U+E007F)(例如，对于flag or Wales将是"gbwls")，加上一个"取消标记"代码点(U+E007F)。

除此之外，你当然还有看起来像国旗的常规表情符号。前面提到的black flag (U+1F3F4)是其中之一，但你也有triangular flag (U+1F6A9)等。其中大多数你应该已经能够检测到，因为它们就像其他表情符号一样。但是，我们还没有完全完成。你有复合表情符号的问题，这会影响一些国旗，但也会影响许多其他表情符号。在您的示例中，您可以看到输入字符串中黑人女性的匹配表情符号是一个"基本"女性表情符号，然后是这个棕色补丁。这是因为black woman emoji由woman (U+1F469)和dark skin tone (U+1F311)两个代码点组成。在许多其他情况下，您需要两个代码点，并在其间加上一个zero-width joiner (U+200D)，以指定您想要合并它们。有时你还需要加上一个variation selector (typically 16, U+FE0F)，以表明你想把东西用作表情符号。您可以阅读有关此in this article的更多信息。在旗帜的情况下，例如，您有rainbow flag (U+1F3F3, U+FE0F,‍ U+200D, U+1F308)，它将显示为"白旗，变体选择器16(使用白旗表情符号，而不是文本)，零角细木，彩虹"；或者pirate flag (U+1F3F4,‍ U+200D, U+2620, U+FE0F)，将显示为"黑旗，零角细木，骷髅和十字骨，变体选择器16(使用骷髅和交叉骨骼表情符号，而不是文本)"。

现在，有不同的方法可以处理这一切，但在您当前的方法中，您一次迭代一个代码点，因此您将无法检测到复杂的表情符号。你可以只拥有一大组所有有趣的序列(旗帜、一些复合表情符号等)。并在输入中查找它们。您可以检查当前字符是否是区域指示器符号，如果是，则尝试读取下一个代码点以形成标志(并满足于使用单独的简单表情符号)。我不确定什么是最适合你的解决方案(就复杂性/利益权衡而言)，但你应该意识到表情符号编码的细微差别和你可能会发现的陷阱。