python 過濾四字節字符 表情字符

項目中有時需要過濾掉四字節以上的字符（表情），比如mysql數據庫5.5.3以下的版本text字段不支持四字節以上字符

於是就需要過濾掉再入庫，python中的方法為:

1.  
   try:
2.  
   # python UCS-4 build的處理方式
3.  
   highpoints = re.compile( u'[\U00010000-\U0010ffff]')
4.  
   except re.error:
5.  
   # python UCS-2 build的處理方式
6.  
   highpoints = re.compile( u'[\uD800-\uDBFF][\uDC00-\uDFFF]')

    

   ----------------------------------------------------------------------------------

   后來發現，發現這問題的原因是:UTF-8編碼中文的字節通常是3-4字節，Emoji表情是4字節，讀寫數據庫稍不留神就報錯！

   哈哈哈哈哈哈發現問題就簡單了，目前我們文本分析不需要分析表情包，我決定把它們都刪了！

    

   然后：emoji官網，https://pypi.org/project/emoji/（靠譜的emoji處理庫）

   安裝 pip install emoji

   清除命令：

   emoji.demojize(str)