必须用 rune 遍历字符串才能正确识别 Emoji，因 Go 的 string 是字节序列，直接按 byte 遍历会破坏多字节 Emoji；Emoji 主要分布在 U+1F600–U+1F64F、U+1F300–U+1F5FF、U+1F1E6–U+1F1FF、U+1F900–U+1F9FF 等 Unicode 区间。
用 rune 遍历判断是否含 Emoji Unicode 范围
Go 的 string 是字节序列，直接按 byte 遍历会切碎多字节的 Emoji（比如 ?? 占 4 字节），必须转成 rune 才能正确识别单个字符。Emoji 大多落在 Unicode 的特定区间，如基本 Emoji（U+1F600–U+1F64F）、旗帜（U+1F1E6–U+1F1FF）、符号（U+1F900–U+1F9FF）等。
实操建议：
立即学习“go语言免费学习笔记（深入）”；
- 用
for _, r := range str遍历rune，别用for i := range str - 检查每个
r是否落在常见 Emoji 区间内，例如：func isEmoji(r rune) bool { return (r >= 0x1F600 && r <= 0x1F64F) || // emoticons (r >= 0x1F300 && r <= 0x1F5FF) || // symbols & pictographs (r >= 0x1F1E6 && r <= 0x1F1FF) || // flags (r >= 0x1F900 && r <= 0x1F9FF) // supplemental symbols } - 注意：Unicode 标准持续更新，新版 Go（如 1.22+）的
unicode包仍不内置完整 Emoji 判定，不能依赖unicode.IsSymbol或unicode.IsMark—— 它们会漏判或误判
过滤 Emoji 时保留合法中文、英文、数字和标点
单纯删掉所有非 ASCII 字符会误伤中文、日文、韩文、带重音的拉丁字母（如 naïve）、甚至某些数学符号。过滤目标应是「仅移除 Emoji 类字符」，而非「只留 ASCII」。
实操建议：
立即学习“go语言免费学习笔记（深入）”；
- 构建白名单逻辑比黑名单更安全：先定义允许的字符范围（如
unicode.Letter、unicode.Digit、unicode.Punct、unicode.Space），再额外排除已知 Emoji 区间 - 避免用
strings.Map直接映射删除 —— 它对组合型 Emoji（如 ??）无效，因为这类是多个rune组合（ZJW + VS16），需做连贯性检测 - 简单场景下可先用
isEmoji过滤单个rune；若需处理家庭/职业类组合 Emoji（????），就得引入第三方库如github.com/mvdan/xurls/v2或github.com/elliotchance/emoji，它们做了组合序列解析
性能敏感场景下避免重复编译正则或遍历多次
有人用正则匹配 Emoji（如 [\u1f600-\u1f64f\u1f300-\u1f5ff...]）再 Regexp.ReplaceAllString，但每次调用都隐式编译（除非预编译为全局 *regexp.Regexp），且正则在 Unicode 范围匹配上不如 rune 遍历稳定。
实操建议：
立即学习“go语言免费学习笔记（深入）”；
- 预编译正则仅当必须支持复杂模式（如“保留国旗但删表情”）时才考虑；否则直接
rune循环 + 条件判断更快、内存更省 - 不要在循环里反复调用
utf8.RuneCountInString或strings.Split—— 它们会重新扫描整个字符串 - 如果要批量处理大量文本，把过滤逻辑封装成
func(string) string并复用，避免闭包捕获大对象
测试时特别注意组合型 Emoji 和零宽连接符
像 ?（U+1F4AA）是单个 rune，但 ??（U+1F468 U+200D U+1F4BB）是 3 个 rune：人 + ZWJ + 笔记本。标准 isEmoji(r) 会放过中间的 0x200D（ZWJ），导致残留乱码或截断。
实操建议：
立即学习“go语言免费学习笔记（深入）”；
- 单元测试至少覆盖：
"Hello ?"、"??"、"?? + ??"、"test??"（带肤色修饰符）、"\u200d"（单独 ZWJ） - 对组合序列，需向前/向后扫描：遇到 ZWJ（
0x200D）、VS15/VS16（0xFE0E/0xFE0F）、修饰符（0x1F3FB–0x1F3FF）时，整组视为一个 Emoji 单元处理 - 真要高保真过滤，别自己造轮子 —— 用
github.com/elliotchance/emoji的FindAllString先提取，再按需剔除
Emoji 的边界比看上去模糊得多：同一个符号在不同系统渲染效果不同，Unicode 标准每年底更新，而 Go 的 unicode 包更新滞后。最稳妥的做法不是追求 100% 精确识别，而是明确业务容忍度——比如只要求干掉 95% 明显 Emoji，且不破坏其他文字，那就用基础 rune 区间判断足矣；一旦涉及社交产品评论、昵称审核等场景，就得引入专业 emoji 库并定期更新规则。
