用python正则表达式处理emoji类型的字符问题

在进行数据预处理的时候，我们经常要将句子中的emoji去掉，那么这里提供两种方法去除两种不同的emoji表情。

环境： python v3.7.3         re

1.?等去除

这里要使用python的正则表达式

比如现在有如下的句子

sen1 = '希望下辈子投胎的时候老天爷赏我个好点儿的扁桃体???明天起风啦不要雾霾么么哒晚安,'

现要把 ?去掉：

emoji_pattern = re.compile(u'[\U00010000-\U0010ffff]')
sen1 = emoji_pattern.sub('', sen1)

其中emoji_pattern是表情过滤模式

sen1即为修改后的句子：

2.[偷笑]等去除

还是使用我们的万能正则表达式：

比如现在有如下的句子：

sen2 = '昨天跑路跑到高雄[偷笑]~[太阳]天气好好喔！'

现要把 [偷笑]和[太阳]去掉：

sen2 = re.sub('\[.*?\]', '', sen2)

sen2即为修改后的句子：