使用正则过滤特殊字符时Telegram数字emoji未被删除如何解决

• 1️⃣这类数字键帽emoji由「ASCII数字 + emoji变体选择符（U+FE0F） + 组合键帽标记（U+20E3）」三个Unicode码点组合而成，原有正则的\d会匹配到emoji前缀的ASCII数字，导致多余的1、2、6等数值被提取。
• 末尾的4️⃣未被匹配是字符串末尾编码边界的偶然情况，不代表规则生效，只要存在数字前缀的emoji就有概率出现误匹配。

方案1：Unicode属性转义清除所有emoji后匹配（推荐） #

利用ES2018支持的Unicode属性转义，先移除所有emoji类字符，再执行原有匹配逻辑，可覆盖所有类型的emoji，后续新增emoji也无需调整规则：

const text = '1️⃣Hi =) 1.This regex removes 2️⃣all special 6️⃣characters like this !@$#%^&*()_+=~`/\><.⚠️4️⃣'
// 清除所有emoji相关字符
const pureText = text.replace(/(\p{Extended_Pictographic}|\p{Emoji_Modifier}|\p{Emoji_Component})/gu, '')
const result = pureText.toUpperCase().match(/[a-z]+|\d+(?:\.\d+)?/gi)
    .map(m => isNaN(m) ? m : +m)

运行后输出和期望完全一致。

方案2：修改原有正则增加负向预查 #

如果不想改动原有逻辑，只需要给数字匹配规则增加负向预查，排除后面跟着emoji修饰符的数字即可：

const text = '1️⃣Hi =) 1.This regex removes 2️⃣all special 6️⃣characters like this !@$#%^&*()_+=~`/\><.⚠️4️⃣'
const result = text.toUpperCase().match(/[a-z]+|\d+(?:\.\d+)?(?![\uFE0F\u20E3])/gi)
    .map(m => isNaN(m) ? m : +m)

该方案仅针对数字键帽类emoji有效，适合不需要处理其他类型emoji的场景。

内容的提问来源于stack exchange，提问作者dumpAndDie