如何使用XQuery移除文本内容中的Emoji表情符号？

错误原因 #

你原来的代码不生效是因为XQuery正则的转义规则和其他语言不同：XQuery遵循XML Schema正则规范，不支持无大括号的\x多字节转义格式，\x00-\xFFFF的写法会被识别为非法语法，无法匹配到目标Emoji字符。

你示例中的Emoji都属于Unicode补充多语言平面（SMP），码点范围在U+1F600到U+1F64F之间，远大于BMP平面上限U+FFFF，需要用正确的语法匹配这部分字符。

正确实现方案 #

方案1：适配你的示例场景（移除所有BMP平面外字符）

如果仅需要过滤掉所有码点大于U+FFFF的字符（你的示例中的Emoji都属于这类），修改正则转义格式即可：

replace($text, '[\x{10000}-\x{10FFFF}]', '')

运行后输入Hello 😀😃😄 üäö$会直接输出预期结果Hello üäö$。

方案2：精准移除所有Emoji（包含BMP平面内的Emoji）

如果需要同时过滤U+2600（太阳）、U+2702（剪刀）这类位于BMP平面内的Emoji字符，补充对应范围的匹配规则即可：

replace($text, '[\x{1F000}-\x{1F6FF}\x{1F300}-\x{1F5FF}\x{1F680}-\x{1F6FF}\x{1F700}-\x{1F77F}\x{1F780}-\x{1F7FF}\x{1F800}-\x{1F8FF}\x{1F900}-\x{1F9FF}\x{1FA00}-\x{1FA6F}\x{1FA70}-\x{1FAFF}\x{2600}-\x{26FF}\x{2700}-\x{27BF}]', '')

方案3：全版本兼容写法

如果使用的XQuery版本不支持正则的多字节转义，可以用码点遍历的方式实现过滤，兼容性更强：

string-join(
  for $codepoint in string-to-codepoints($text)
  where $codepoint <= 65535 (: 对应U+FFFF的十进制值 :)
  return codepoints-to-string($codepoint),
  ''
)

内容的提问来源于stack exchange，提问作者Prem Sagar J