Pyrogram使用emoji.demojize处理Telegram消息报UTF-16-le解码错误求助

使用Pyrogram开发Telegram自动化脚本时，集成emoji库对指定机器人发来的文本做demojize转换，调用emoji.demojize()处理消息文本时持续抛出以下错误：

UnicodeDecodeError: 'utf-16-le' codec can't decode bytes in position 2-3: unexpected end of data

此前基于telebot开发机器人时使用emoji库从未出现同类问题，初步判断问题与Pyrogram的消息解析机制有关。
参考代码如下：

from pyrogram import Client, filters, idle
import emoji

app1 = Cliente('MyAccount', api_id, api_hash)

@app1.on_message(filters.chat("@somebot") & filters.incoming)
def listener(client, message):
    print(emoji.demojize(message.text))

app1.start()
idle()

该错误由Pyrogram的文本解析逻辑和emoji库的输入校验规则共同导致：

• Telegram的MTProto协议底层使用UTF-16编码计数文本偏移，传输码点超过U+FFFF的字符（绝大多数emoji属于这类字符）时会拆分为两个UTF-16代理对传输
• Pyrogram 1.x版本未对传输得到的代理对做完整拼接，返回的message.text中可能残留孤立代理对（即单独存在的半段代理标记，不属于合法Unicode标量值）
• emoji.demojize()内部会对输入字符串做编码合法性校验，遇到孤立代理对就会抛出Unicode解码错误
• telebot库默认在返回消息文本前完成了代理对拼接和非法字符清理，因此不会触发同类报错

方案1：转码清理非法代理对（兼容所有Pyrogram版本，推荐） #

在传入emoji库前，对文本做一次转码处理，自动跳过/修复孤立代理对，得到合法Unicode字符串：

from pyrogram import Client, filters, idle
import emoji

# 修复原代码拼写错误：Cliente -> Client
app1 = Client('MyAccount', api_id, api_hash)

@app1.on_message(filters.chat("@somebot") & filters.incoming)
def listener(client, message):
    if not message.text:
        return
    # 清理孤立代理对
    processed_text = message.text.encode(
        'utf-16-le', 
        errors='surrogatepass'
    ).decode('utf-16-le', errors='ignore')
    print(emoji.demojize(processed_text))

app1.start()
idle()

方案2：升级Pyrogram版本 #

Pyrogram 2.0及以上稳定版本已经修复了文本解析时残留孤立代理对的问题，直接升级依赖即可解决绝大多数场景下的报错：

pip install --upgrade pyrogram

注意：原参考代码存在拼写错误，Pyrogram的客户端类名为Client，误写为Cliente会直接导致脚本启动失败。

内容的提问来源于stack exchange，提问作者Miguel Espinosa