Как удалить символы emoji из строки?

Question

У меня есть текстовый ввод с мобильного устройства. Он содержит эможи. В C#, у меня есть текст, как

Text text 

Проще говоря, я хочу, чтобы выходной текст будет

Text text 

---

Я пытаюсь просто удалить все такие смайликов из текста с rejex .. за исключением, я не уверен, как преобразовать этот emoji в его последовательность unicode. Как это сделать?

редактировать:

Я пытаюсь сохранить пользовательский ввод в MySQL. Похоже, что mysql UTF8 действительно не поддерживает символы Unicode и right way to do it would be by changing the schema, но я не думаю, что это вариант для меня. Поэтому я пытаюсь просто удалить все символы emoji, прежде чем сохранять его в базе данных.

Это моя схема для соответствующего столбца:

Я использую NHibernate, как моя ORM и запрос на вставку генерироваться выглядит следующим образом:

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)] 

Когда я скопировать этот запрос из журналов и запуск на mysql напрямую, я получаю эту ошибку:

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

---

Кроме того, я попытался преобразовать его в кодирующие байты и это действительно не работает ..

Answer 1

Предполагая, что вы просто хочет, чтобы удалить все символы, не BMP, то есть что-нибудь с Кодовая точка Unicode U + 10000 и выше, вы можете использовать регулярное выражение для удаления любых суррогатов UTF-16 из строки. Например:

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 
    } 
} 

Здесь «Cs» является категорией Юникод для «суррогатной».

Похоже, что Regex работает на основе кодовых блоков UTF-16, а не в кодах Unicode, иначе вам нужен другой подход.

Обратите внимание, что существуют символы не BMP, кроме emoji, но я подозреваю, что вы обнаружите, что у них будет такая же проблема, когда вы попытаетесь их сохранить.