Jupyter Lab中使用re.compile报Unicode转义错误如何修复

这个报错本质是Python字符串转义解析逻辑的环境差异导致的：Python解析普通字符串时，会默认将\U识别为32位Unicode字符的转义起始标记，你本地Jupyter Lab所用的Python内核在处理多行隐式拼接的字符串时，对分段书写的\U开头转义序列出现了解析截断，因此抛出Unicode转义解码错误。Colab环境的内核配置对这类分段转义的解析容错逻辑不同，所以同一段代码可以正常运行。

最通用、无环境兼容问题的修复方式，是给所有包含\U转义序列的正则片段加上原始字符串标记r前缀，告诉Python解释器不要提前解析字符串内的反斜杠转义，将完整的转义序列交给re模块做正则匹配即可。

修复后的可运行代码：

import re

text = u'This is a bee 🐝'
print(text) # 输出带emoji的原文本

def de_emojify(text):
    regex_pattern = re.compile(pattern = "["
        r"\U0001F600-\U0001F64F"  # 通用表情符号范围
        r"\U0001F300-\U0001F5FF"  # 杂项符号与象形文字范围
        r"\U0001F680-\U0001F6FF"  # 交通与地图符号范围
        r"\U0001F1E0-\U0001F1FF"  # 国家地区旗范围
                           r"]+", flags = re.UNICODE)
    return regex_pattern.sub(r'', text)

print(de_emojify(text))

修复后的代码在Colab、Jupyter Lab、原生Python解释器环境下均可正常运行，执行后会输出移除emoji的结果：This is a bee 。

如果后续需要覆盖更多类型的emoji（比如新增的补充符号、手势符号等），只需要在正则的字符集里按相同格式追加对应的Unicode范围即可，新增的正则片段记得同样加上r前缀，避免再次出现转义解析问题。

内容的提问来源于stack exchange，提问作者gh1222