为什么Unicode表情符号属性转义与数字匹配？

问题描述

我发现了一种很棒的检测emoji表情符号的方法，它使用的正则表达式没有使用巨大的魔术范围&通过使用Unicode property escape：

console.log(/p{Emoji}/u.test('flowers ')) // true
console.log(/p{Emoji}/u.test('flowers')) // false

console.log(/p{Emoji}/u.test('flowers 123')) // unexpectdly true

// regex-only workaround by @Bonzdragon
const regex = /(?=p{Emoji})(?!p{Number})/u;
console.log(
  regex.test('flowers'), // false, as expected
  regex.test('flowers 123'), // false, as expected
  regex.test('flowers 123 '), // true, as expected
  regex.test('flowers '), // true, as expected
)

// more readable workaround
const hasEmoji = str => {
  const nbEmojiOrNumber = (str.match(/p{Emoji}/gu) || []).length;
  const nbNumber = (str.match(/p{Number}/gu) || []).length;
  return nbEmojiOrNumber > nbNumber;
}
console.log(
  hasEmoji('flowers'), // false, as expected
  hasEmoji('flowers 123'), // false, as expected
  hasEmoji('flowers 123 '), // true, as expected
  hasEmoji('flowers '), // true, as expected
)

推荐答案

根据this post，Digtis，#，*，zwj和其他一些字符包含Emoji属性设置为是，这意味着数字被视为有效的emoji字符：

0023          ; Emoji_Component      #  1.1  [1] (#️)       number sign
002A          ; Emoji_Component      #  1.1  [1] (*️)       asterisk
0030..0039    ; Emoji_Component      #  1.1 [10] (0️..9️)    digit zero..digit nine
200D          ; Emoji_Component      #  1.1  [1] (‍)        zero width joiner
20E3          ; Emoji_Component      #  3.0  [1] (⃣)       combining enclosing keycap
FE0F          ; Emoji_Component      #  3.2  [1] ()        VARIATION SELECTOR-16
1F1E6..1F1FF  ; Emoji_Component      #  6.0 [26] (..)    regional indicator symbol letter a..regional indicator symbol letter z
1F3FB..1F3FF  ; Emoji_Component      #  8.0  [5] (..)    light skin tone..dark skin tone
1F9B0..1F9B3  ; Emoji_Component      # 11.0  [4] (..)    red-haired..white-haired
E0020..E007F  ; Emoji_Component      #  3.1 [96] (..)      tag space..cancel tag

例如1是数字，但与U+FE0F和U+20E3字符组合：1️⃣：

console.log("1uFE0Fu20E3 2uFE0Fu20E3 3uFE0Fu20E3 4uFE0Fu20E3 5uFE0Fu20E3 6uFE0Fu20E3 7uFE0Fu20E3 8uFE0Fu20E3 9uFE0Fu20E3 0uFE0Fu20E3")

如果要避免匹配数字，请使用Extended_PictographicUnicode类别类：

扩展象形文字字符包含除某些Emoji_组件之外的所有Emoji字符。

所以，您可以使用/p{Extended_Pictographic}/gu来匹配大多数表情包，或者使用/p{Extended_Pictographic}/u来测试单个表情包是否合适，或者使用/[p{Extended_Pictographic}u{1F3FB}-u{1F3FF}u{1F9B0}-u{1F9B3}]/u将表情包和浅色皮肤匹配到深色皮肤模式字符，或者使用/[p{Extended_Pictographic}u{1F3FB}-u{1F3FF}u{1F9B0}-u{1F9B3}]/u匹配红发到白发字符：

const regex_emoji = /[p{Extended_Pictographic}u{1F3FB}-u{1F3FF}u{1F9B0}-u{1F9B3}]/u;
console.log( regex_emoji.test('flowers 123') );     // => false
console.log( regex_emoji.test('flowers ') ); // => true