質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう！

質問する

ただいまの
回答率

89.54%

PHPで絵文字を削除する良い方法を教えてください

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 558
qwe001

qwe001

score 91

ネットで上のようなことを調べると、次のような記述が良く出てきます。 

preg_replace("/[\xF0-\xF7][\x80-\xBF][\x80-\xBF][\x80-\xBF]/", "", $str);

これは、4Byteの絵文字は削除できますが、十分ではないように見えます。

例えば、次のような3Byteの絵文字は削除できません。 

<?php
$str = "☔️";
echo $str; // "☔️"
$str = preg_replace("/[\xF0-\xF7][\x80-\xBF][\x80-\xBF][\x80-\xBF]/", "", $str);
echo $str; // "☔️"
?>

また、4Byteの絵文字でも走る人の絵文字のように、性別表現を持つ絵文字は性別記号が残ってしまいます。 

<?php
$str = "🏃‍♀️";
echo $str; // "🏃‍♀️"
$str = preg_replace("/[\xF0-\xF7][\x80-\xBF][\x80-\xBF][\x80-\xBF]/", "", $str);
echo $str; // "♀"
?>

絵文字は消しつつも、よく使う記号(?や!など)は残すような記述はできるのでしょうか？

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

more_vert5 件の質問への追記・修正依頼

質問への追記・修正、ベストアンサー選択の依頼

  • hentaiman

    hentaiman

    2019/12/03 15:31

    日本語の場合だと全角半角ありますよ、読点句読点もありますよ、それらも踏まえて厳密に決めないと

    キャンセル

  • qwe001

    qwe001

    2019/12/03 15:57

    半角だけでいいです

    キャンセル

  • miyabi_takatsuk

    miyabi_takatsuk

    2019/12/03 16:21

    絵文字除去は泥沼なので・・・、
    （思ってもみないものが数百～数千種類存在する。しかも、文字コード傾向もまるでバラバラ）
    maisumakunさんとhentaimanさんのおっしゃる通り、厳密に決めないと、必要な文字まで除去してしまいかねません。

    キャンセル

回答 2 件

link

checkベストアンサー

+1

まず基本的な絵文字除去を行います。 

$str = "🏃‍♀️";
echo $str; // "🏃‍♀️"
$repArr = array(
  "/\xd83c[\xdf00-\xdfff]/",
  "/\xd83d[\xdc00-\xde4f]/",
  "/\xd83d[\xde80-\xdeff]/",
  "/\xd7c9[\xde00-\xdeff]/",
  "/[\x2600-\x27BF]/",
  "/[\x203C|\x2047-\x2049|\x2753-\x2757|\x2761-\x2767][\xFE0E-\xFE0F]/",
  "/[0-9|*|#][\xFE0E-\xFE0F]\x20E3/",
  "/[0-9|*|#]\x20E3/",
  "/[\x23E9-\x23FA]/",
  "/[\x23CF|\x25B6|\x25C0|\x2B05-\x2B07|\x2194-\x21AA|\x2934-\x2935|\x2122|©|®|\x3030|\x25FC-\x25FE][\xFE0E-\xFE0F]/",
  "/\xA4B3/"
);
$str = preg_replace($repArr, '', $str);

さらに、サロゲートペアの残りカスと、4バイト文字を除去します。 

// 新たな文字列を用意
$retStr = '';
// 文字列を配列にしたものを用意
$strArr = str_split($str);
// 1文字1文字ずつ処理
foreach ($strArr as $strS) {
  if (strlen($strS) < 4 && htmlspecialchars_decode("&#65038", ENT_QUOTES) != $strS && htmlspecialchars_decode("&#65039", ENT_QUOTES) != $strS) {
    $retStr .= $strS;
  }
}

$str = $retStr;

echo $str;

これで、ある程度のよく使われる絵文字は除去されるかと。
（ただし、phpのエラー出力を厳密にしていると、17行目で警告が出る → 正規表現の定義数が多すぎるため）
しかし、これでも、全ての絵文字の除去はできていません。
さらに、4バイト文字を除去すると異体字も除去されます。
そして、4バイト文字として絵文字を除去としないと、
上記の基本除去の部分で文字コードをひたすら追加で定義しなくてはいけなくなります。

ただ、正規表現の部分は、もっと効率のいい書き方が存在するかとは思います。

しかし、絵文字の文字コードは、傾向性が全く統一されておらず、ピンポイントで指定するしかないのが、現状です。
それくらい、絵文字除去は厄介な代物です。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/12/04 10:16

    miyabi_takatsuk様 ご回答ありがとうございます。絵文字除去が厄介そうであることがコードからよく伝わってきました。既にクローズしていましたが、こちらBAにさせて頂きます。

    キャンセル

link

-1

私は単に絵文字の除去ができるかどうかが知りたかったのですが、どうやら難しそうだということがわかりました。皆様解答ありがとうございます。本件はクローズさせて頂きます。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/12/03 17:45

    回答、タイミング遅くなってすみません。
    一つ、私の回答もお試しください。
    ある程度の絵文字は除去できます。

    キャンセル

  • 2019/12/03 18:09

    > どうやら難しそうだということがわかりました。

    どのような経緯でその結論に至ったのでしょうか？

    キャンセル

15分調べてもわからないことは、teratailで質問しよう！

  • ただいまの回答率 89.54%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる
質問する

関連した質問

同じタグがついた質問を見る

SNSアカウントでログイン

teratailアカウントでログイン

思考するエンジニアのためのQ&Aサイト「teratail」について詳しく知る