Python中如何基于表情符号拆分解析含字符串、数字的评论内容

核心通过完整匹配全量表情符号作为分隔符的方式拆分字符串，不会残留表情组成字符，通用实现代码如下：

import re

# 先定义所有需要识别的表情正则规则，注意长表情放前面避免短表情优先匹配错误
EMOJI_PATTERN = re.compile(r'(?:>:O|:\)|:O|:v)')

def split_comment(comment: str) -> list[str]:
    # 按表情拆分字符串，对每个片段去除首尾空格，过滤空片段
    parts = [part.strip() for part in EMOJI_PATTERN.split(comment)]
    return [p for p in parts if p]

# 测试示例
comment_1 = "This is :) my comment :O"
comment_2 = ">:O Another comment to :v parse"

output_1 = split_comment(comment_1)
output_2 = split_comment(comment_2)

print(output_1) # 输出：['This is', 'my comment']
print(output_2) # 输出：['Another comment to', 'parse']

扩展说明 #

• 正则规则用非捕获组(?:)包裹所有表情，拆分时会把完整表情整体作为分隔符移除，不会残留O/v这类表情组成字符
• 新增表情时直接把表情字符串（正则特殊字符加\转义）加入正则的|分隔列表即可，注意长度更长的表情要放在更靠前的位置，避免短表情提前匹配截断长表情

内容的提问来源于stack exchange，提问作者The Dan