Làm cách nào để xóa ký tự biểu tượng cảm xúc khỏi chuỗi?

Question

Tôi đã nhập văn bản từ thiết bị di động. Nó chứa biểu tượng cảm xúc. Trong C#, tôi có văn bản như

Text text 

một cách đơn giản, tôi muốn các văn bản đầu ra được

Text text 

---

Tôi đang cố gắng để chỉ loại bỏ tất cả các biểu tượng cảm xúc như vậy từ các văn bản với rejex .. ngoại trừ, tôi không chắc chắn làm thế nào để chuyển đổi biểu tượng cảm xúc đó vào chuỗi unicode của nó .. Làm cách nào để làm điều đó?

chỉnh sửa:

Tôi đang cố lưu đầu vào của người dùng vào mysql. Dường như mysql UTF8 không thực sự hỗ trợ các ký tự unicode và right way to do it would be by changing the schema nhưng tôi không nghĩ rằng đó là một lựa chọn cho tôi. Vì vậy, tôi đang cố gắng để loại bỏ tất cả các ký tự biểu tượng cảm xúc trước khi lưu nó trong cơ sở dữ liệu.

Đây là sơ đồ của tôi cho các cột có liên quan:

Tôi đang sử dụng Nhibernate như ORM của tôi và truy vấn chèn tạo ra vẻ như thế này:

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)] 

Khi tôi sao chép này truy vấn từ nhật ký và chạy trực tiếp trên mysql, tôi nhận được lỗi này:

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

---

Ngoài ra, tôi đã cố gắng để chuyển đổi nó sang byte mã hóa và nó không thực sự làm việc ..

Answer 1

Giả sử bạn chỉ muốn loại bỏ tất cả các ký tự không BMP, tức là bất cứ điều gì với một Điểm mã Unicode của U + 10000 trở lên, bạn có thể sử dụng regex để xóa mọi đơn vị mã UTF-16 thay thế khỏi chuỗi. Ví dụ:

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 
    } 
} 

Ở đây "Cs" là danh mục Unicode cho "thay thế".

Có vẻ như Regex hoạt động dựa trên đơn vị mã UTF-16 thay vì mã Unicode, nếu không bạn sẽ cần một cách tiếp cận khác.

Lưu ý rằng có các ký tự không phải BMP khác với biểu tượng cảm xúc, nhưng tôi nghi ngờ bạn sẽ thấy chúng sẽ có cùng một vấn đề khi bạn cố lưu trữ chúng.