Facebook/messenger 存档包含我无法解析的表情符号
Facebook/messenger archive contains emoji that I am unable to parse
我不知道如何解码 facebook 在 Messenger 存档中编码表情符号的方式。
大家好，
我正在尝试编写一个方便的实用程序来使用 PYTHON.
浏览 Messenger 的存档文件
邮件的文件是 "badly encoded "JSON 并且如其他 post 中所述：
使用 .encode('latin1').decode('utf8) 我已经能够处理大多数字符，例如“é”或“à”并正确显示它们。但是我很难使用表情符号，因为它们似乎是以不同的方式编码的。
有问题的表情符号示例：\u00f3\u00be\u008c\u00ba
encoding/decoding 不会产生任何错误，但 Tkinter 不愿意显示函数输出的内容并给出“_tkinter.TclError：字符 U+fe33a 超出范围（U+0000- U+FFFF) Tcl 允许”。 Tkinter 还没有想到这个问题，因为尝试在控制台中显示相同的表情符号会产生“󾺔，这显然不是应该显示的内容（它应该是一张哭脸）
我试过使用表情符号库，但它似乎没有任何帮助
>>> print(emoji.emojize("\u00f3\u00be\u008c\u00ba"))
'ó¾º'
如何检索并显示正确的表情符号？
如果这不可能，我如何才能检测到有问题的表情符号，以便首先清理并从 JSON 中删除它们？
提前致谢
.encode('latin1').decode('utf8) 是正确的 - 它导致代码点 U+fe33a("")。这个代码点位于私人使用区 (PUA)（具体来说 Supplemental Private Use Area-A），因此每个人都可以为该代码点分配自己的含义（也许 facebook 想使用哭脸，当时 Unicode 中还没有，所以他们使用了 PUA？）。
Google 搜索该字符 (https://www.google.com/search?q=) 使 google 自动更正为 U+1f62d ("") - 遗憾的是我不知道 google 如何映射 U+fe33a 到 U+1f62d.
谷歌搜索 U+fe33a site:unicode.org gives https://unicode.org/L2/L2010/10132-emojidata.pdf，其中将 U+1F62D 列为提议的官方代码点。
由于来自 unicode 的文档将 U+fe33a 列为 google 使用的代码点，因此我搜索了 android old emoji codepoints pua。除其他外，还有两个实际可用的结果：
- 问题链接到：
- https://unicodey.com/emoji-data/table.htm - html table，似乎可以接受解析
- 甚至更好：https://github.com/google/mozc/blob/master/src/data/emoji/emoji_data.tsv - 制表符分隔列表，将现代代码点映射到遗留 PUA 代码点和其他信息，例如：
1F62D FE33A E72D E411[...]
- https://github.com/googlei18n/noto-emoji/issues/115 - 此线程链接到：
- https://github.com/Crissov/noto-emoji/blob/legacy-pua/emoji_aliases.txt - 机器可读文档，将旧版 PUA 代码点转换为现代代码点，如下所示：
FE33A;1F62D # Google
我在答案中包含了我的搜索查询，因为我发现的结果在任何方面都不具有权威性 - 但它应该足以让您的工具正常工作:-)
我不知道如何解码 facebook 在 Messenger 存档中编码表情符号的方式。
大家好， 我正在尝试编写一个方便的实用程序来使用 PYTHON.
浏览 Messenger 的存档文件邮件的文件是 "badly encoded "JSON 并且如其他 post 中所述：
使用 .encode('latin1').decode('utf8) 我已经能够处理大多数字符，例如“é”或“à”并正确显示它们。但是我很难使用表情符号，因为它们似乎是以不同的方式编码的。
有问题的表情符号示例：\u00f3\u00be\u008c\u00ba
encoding/decoding 不会产生任何错误，但 Tkinter 不愿意显示函数输出的内容并给出“_tkinter.TclError：字符 U+fe33a 超出范围（U+0000- U+FFFF) Tcl 允许”。 Tkinter 还没有想到这个问题，因为尝试在控制台中显示相同的表情符号会产生“󾺔，这显然不是应该显示的内容（它应该是一张哭脸）
我试过使用表情符号库，但它似乎没有任何帮助
>>> print(emoji.emojize("\u00f3\u00be\u008c\u00ba"))
'ó¾º'
如何检索并显示正确的表情符号？ 如果这不可能，我如何才能检测到有问题的表情符号，以便首先清理并从 JSON 中删除它们？
提前致谢
.encode('latin1').decode('utf8) 是正确的 - 它导致代码点 U+fe33a("")。这个代码点位于私人使用区 (PUA)（具体来说 Supplemental Private Use Area-A），因此每个人都可以为该代码点分配自己的含义（也许 facebook 想使用哭脸，当时 Unicode 中还没有，所以他们使用了 PUA？）。
Google 搜索该字符 (https://www.google.com/search?q=) 使 google 自动更正为 U+1f62d ("") - 遗憾的是我不知道 google 如何映射 U+fe33a 到 U+1f62d.
谷歌搜索 U+fe33a site:unicode.org gives https://unicode.org/L2/L2010/10132-emojidata.pdf，其中将 U+1F62D 列为提议的官方代码点。
由于来自 unicode 的文档将 U+fe33a 列为 google 使用的代码点，因此我搜索了 android old emoji codepoints pua。除其他外，还有两个实际可用的结果：
- https://unicodey.com/emoji-data/table.htm - html table，似乎可以接受解析
- 甚至更好：https://github.com/google/mozc/blob/master/src/data/emoji/emoji_data.tsv - 制表符分隔列表，将现代代码点映射到遗留 PUA 代码点和其他信息，例如：
1F62D FE33A E72D E411[...]
- https://github.com/googlei18n/noto-emoji/issues/115 - 此线程链接到：
- https://github.com/Crissov/noto-emoji/blob/legacy-pua/emoji_aliases.txt - 机器可读文档，将旧版 PUA 代码点转换为现代代码点，如下所示：
FE33A;1F62D # Google
- https://github.com/Crissov/noto-emoji/blob/legacy-pua/emoji_aliases.txt - 机器可读文档，将旧版 PUA 代码点转换为现代代码点，如下所示：
我在答案中包含了我的搜索查询，因为我发现的结果在任何方面都不具有权威性 - 但它应该足以让您的工具正常工作:-)