Emoji 到底是什么

原文链接：https://sspai.com/post/71398

本文尝试讲解 Emoji 的一些有趣的知识，来帮助我们更好的理解这个全世界通用的语言。在开启之前，先看看你的 Emoji 考试能有几分：

1. 你知道不同的肤色 👍👍🏻👍🏼👍🏽 是怎么实现的吗
2. 你知道为什么早期 iOS 总会被 Emoji 的问题弄出 crash 吗
3. 你知道为什么会有两种 Emoji 吗？🅰︎ 🅰️1

从下面开始👇🏻，为了最好的理解📖，可以打开你的浏览器🌍，跟我写点 JavaScript🧑🏻‍💻，一起看看 Emoji 的世界🚗。

定义

这里我们先统一 Emoji 的定义，到底哪些东西算 Emoji？

• iPhone 输入法里点击 😃 按钮
• 微信、抖音的表情
• Telegram 在输入 Emoji 的时候，会有表情包联想。发送 Emoji 后还会有动画

第一个场景是 Emoji 肯定是毋庸置疑的。它们虽然像图片，但是你复制粘贴后就是能随便发。

而其他都不算。这里我们做一个定义：只有能被操作系统定义的编码才有可能是 Emoji。
怎么理解这段话？

微信的表情你在输入后，当你退出到列表界面，或者尝试复制它，只能得到类似 [微笑] 的字符，而不是我们看到的微笑表情。所以它们本质上文本，只是微信对它做了图片替换，并保证在删除表情的时候也能直接删除 4 个字符，从而让表现上看上去就和文字类似。


微信的表情其实只是文本替换图片
相信你也遇见过这个场景，朋友发了一个消息，你在通知上看到的是一个 😊，你正奇怪这个朋友从来不发 emoji 的时候，点进去一看其实就是微信的 [微笑] 表情。这里为什么会这样呢？

原因是通知中心的文字里只能是纯文本，所以微信不能对实际上是 [微笑] 的字符做替换，就采用了对这种字符做 Emoji 替换的方式，让其在通知中心的表现不会像有 bug。但需要吐槽的是，微信的微笑应该和 🙂 这个映射才对～

Telegram 是个非常优秀的社交软件，称他是 IM 的天花板完全不为过。所以你在 Telegram 中发 Emoji 可能会得到一个它们进行定制的动画，特别有喜感。但你将 Emoji 发出去后，它被传播的形式并不是 Emoji，而是一个带有动画的图片。只不过这个图片你在复制的时候，得到的还是 Emoji 本身。

Telegram 对 Emoji 做的动画
综上我们看到的结论为：Emoji 就是文字，它能被复制粘贴，只是看上去是个彩色图片，也只有文字才能被编码。而文字和图片最重要的区别就是字节数量，最大的 Emoji 被编码出来后不会超过 30 个字节，而图片往往要几百字节起。那 Emoji 为普通文字的区别又是什么？
Emoji 在每个操作系统里都会有一个专门的字体去定义，比如 Apple 就是 Apple Color Emoji。

大家熟知的粗体，斜体等文字的风格调整往往都是由字体文件去做定义，它们描述了文字被加粗后的样子。如果字体文件缺失了这个信息的话，操作系统可能回尝试去模拟，也可能就直接忽略。所以这意味着：Emoji 无法被加粗😂
我们在划定好 Emoji 的范围后才能进一步讨论，接下来先看看它的起源。

起源

E(え)mo(も)ji(じ)—絵文字，其中 e 是 绘，moji 代表文字的意思，最早起源于日本的 20 世纪 90 年代，由软银推出。

接着的事情大家都知道了，iPhone 面世，为了占领日本市场（我有一亿人需要用 Emoji 呢），就合作将其弄了进去。并随着 iPhone 的热度提升，Emoji 也开始世界范围内大火 。接着 Emoji 被纳入 Unicode，大部分 Emoji 都有了自己的码位，成为一个事实上的标准。这样消费者也不用担心 iPhone 手机发的 Emoji 安卓看不到了。

但在当时那个年代，大部分手机屏幕并不是彩色的，所以一开始很多 Emoji 其实是这个样子的：
🅰︎🅱︎，它们和 🅰️🅱️ 又有什么区别？
NOTE：在实际测试的时候我发现少数派在展示这种 Emoji 的时候，在 Safari 和 Chrome 上表现也有差别，可能会有展示问题。

我们以 🅰︎ 为例子。在最开始的时候，🅰︎ 的 Unicode 编码应该是 1f170。但之后屏幕开始变成彩色，于是定义一套彩色的字符开始有必要。但直接将文字形式的 Emoji 替换成彩色形式可能会对之前的表达带来误解，所以为了兼容这种旧形式，采取了一种比较「奇怪」的方式来获得图片形式——Variation Selector。
Unicode 中定义了很多不同版本的 Variation Selector，我们只要记住对应 Text 的版本是 15，对应 Emoji 的版本是 16，后文将分别简写为 VS-15(0xfe0e)，VS-16(0xfe0f)。于是🅰︎和🅰️的实际编码分别是 0x1f170 0xfe0e 和 0x1f170 0xfe0f。

如果你感兴趣的话，可以打开浏览器的控制台，输入看看效果。
String.fromCodePoint(0x1f170, 0xfe0e) String.fromCodePoint(0x1f171, 0xfe0f)

所以后续的 Emoji 输入法中，都会刻意添加 VS 来做区分。但之前这些没加的文本应该怎么处理？
Unicode 建议针对这些没有 VS 符号的字符，采用 VS-15 作为默认，意味着 1f170 应该渲染成文字形式。但是 Apple 可能是为了秀自己的 Emoji 字体，并没有遵守这个标准。所以在不同平台上会有不同效果，比如这个 🈹️


如果你用过飞书的话，可能就体验过系统输入法给你的建议是图片形式的 Emoji，但是发送出去后就变成文本模式了。就是因为输入法建议的 Emoji 丢了 VS，所以两边的软件具有不同的解释方式

旗帜问题

接着根据这个 VS-16，让我们来看看 iOS 10 时期出现的一个 bug：
简单点讲就是一旦收到某人发送过来的含有”🏳️‍0🌈”的短消息，将会导致设备死机，需要重启手机才能解决。

想要解释清楚这个 bug，先要了解一下旗帜的规则。
我们先记住一个原则，Unicode 非常抠门，为了节省码位它们什么事情都干得出来。你想想，世界上，那么多国家。国家内部可能还有一些地区，这些地区也有自己的旗帜。如果一个个编码显得过于奢侈和复杂。举个例子，假设 Unicode 先给国旗放 500 个码位，然后现有国家用掉了 300 个。未来又有一些奇怪的旗帜也想进去凑数，但这样可能导致剩下的 200 个也不够放，那又需要临时开一个区域放新的码位。针对这个问题，Unicode 也提出了一种解决方案，对气质做了分类

1. 最简单的旗帜：🚩🏳️🏁🏴🎌。这些旗帜都有独立的码位，不过为了兼容早期，可能会跟着一个 VS-16。
2. 国旗—🇨🇳🇺🇸🇬🇧。
3. 地区旗帜—🏴󠁧󠁢󠁥󠁮󠁧󠁿🏴󠁧󠁢󠁳󠁣󠁴󠁿。
4. 特殊旗帜—🏳️‍🌈🏴‍☠️

国旗

它们是由专门的 Regional Indicator Symbol(RIS) 组合而来，从 A 到 Z，码位分别是从 1f1e6 到 1f200，光是两两组合就有 26 * 26 中方案。打开控制台输入

Array.from({ length: 26 }, (_, i) => String.fromCodePoint(0x1f1e6 + i)).join(‘,’)

就能看到所有的字符。为什么要用 join(‘,’) 而不是 join(‘’)？试试看😏

所以🇨🇳就是 🇨 🇳 放在一起，同样的🇺🇸的就是 🇺 🇸。

如果你对这种两个字符放在一起，会变成新的字符的特性不是很熟悉的话，可能会认为这是 Emoji 的特性，但其实这种被称为 Combining Character 的技术很早就已经被支持。

最常见的使用场景就是拉丁语和音调符号的组合。比如 é 有一个单独的码位 e9，但是它也可以由 e 和 ´ 组合，它们的码位分别是 65 和 301。所以如果你在浏览器输入 ‘\u{65}\u{301}’ 也能得到 é。但是像 JS 这种相对落后的语言并不会认为 ‘\u{65}\u{301} === \u{e9}’ 是 true，反观 Swift 这种相对现代的语言，则对这个特性有了良好的支持。

地区旗帜

我不太懂政治，不太清楚像英格兰和苏格兰这两个地方不是国家（世界杯都是两支队伍），但是它们都有自己的旗帜。这里的组合逻辑就很复杂了，首先需要一个 🏴 跟上 ISO 定义的 RIS，再跟上一个 Cancel Tag(007f)。像这里英格兰的 RIS 是 GBENG，可能是 Great Britain EnGLand 的缩写。换句话说，一个🏴󠁧󠁢󠁥󠁮󠁧󠁿就占了 7 个码位，比直接写「英格兰」浪费多了🌚

彩虹旗

这些旗帜本质上是通过 Emoji 组合起来的。比如彩虹旗就是 🏳️+ZWJ+🌈，🏴‍☠️是🏴+ZWJ+☠️。ZWJ（Zero Width Joiner) 可以理解成 Emoji 胶水，用来粘合一些用于特殊意义的 Emoji，以达到节省码位的目的，它们被称之为 Emoji ZWJ Sequence，毕竟谁能知道 10 年后，我们手机里有多少个 Emoji 呢？插一句题外话，当你发现项目中 if (result == ‘’) 分支怎么都不为真的时候，可能就是有人在代码里下毒了。

所以，回到我们上面提到 iOS 10 曾经的一个 bug，表面上是🏳️0🌈这种组合，如果直接输入这个几个符号并不会有什么问题，因为它们的对应的编码是 1f3f3, fe0f, 30, 1f308。而会让机器的 Crash 的信息对应的编码 1f3f3, fe0f, 200d, 30, 1f308—其中多出来的 200d 就是 ZWJ。所以说，造成这个漏洞的原因可能是：
1f3f3, f30f, 200d 同时出现后，系统预期 200d 后面的字符可以组合一个新的 Emoji。但是通过人为添加的 0，过于想当然的系统就 Crash 了。

接着我们继续展开 ZWJ，看看有哪些 Emoji 是基于这个来创造的。

Emoji ZWJ Sequence

这个的使用场景除了上面提到的物体之间的组合之外，更多的还是人之间的组合。比如👨和特殊的物品组合在一起，变成了某个专业人士。👨和👩组合在一起，👨👩🧒在一起，👨👨 在一起，都能组合家庭。还有一些虚幻的人物，比如🧚‍♀️，🧟‍♀️这些，从 Emoji 12 开始，出于政治正确的目的，都将这些虚幻人物默认设置为「中性」，并通过 ZWJ 拼接 ♂️和 ♁️。最让我觉得有趣的还是爱情相关的符号：👩‍❤️‍💋‍👩 👩‍❤️‍👨。
下面我们来详细讨论这些

专业人员

👩‍🎤👩‍🏫👩‍🔧👩‍🎓，这四个 Emoji 对应的分别是女歌手、女教师、白皮肤的女技师、女大学生。根据 Emoji 的规则就是：
👩‍🎤：👩 + ZWJ + 🎤
👩‍🏫：👩 + ZWJ + 🏫
👩‍🔧：👩 + ZWJ + 🔧
👩‍🎓：👩 + ZWJ + 🎓

注意到基本公式就是 性别 Emoji + ZWJ + 一个能表示该专业人员的典型物体。虽然在学校的女人不一定仅仅是老师，还可能是家长、学生，但是一个老师由「女人+ 学校」组成我们很容易记忆。

其实通过这个规律我们可以看到很有意思的效果——
‘👩’ + ‘\u200d’ + ‘🎤’ // 👩‍🎤 ‘👩‍🎤’.replace(‘🎤’, ‘🎓’) // 👩‍🎓
引用 Twitter 上的一幅图：

虚构人物

我尝试尽量列出所有虚拟人物：

• 超级英雄：🦸🦸‍♂️🦸‍♀️
• 超级反派：🦹🦹‍♂️🦹‍♀️
• 法师：🧙🧙‍♂️🧙‍♀️
• 仙子：🧚 🧚‍♂️🧚‍♀️
• 吸血鬼：🧛🧛‍♂️🧛‍♀️
• 人鱼：🧜🧜‍♂️🧜‍♀️
• 精灵：🧝🧝‍♂️🧝‍♀️
• 妖怪：🧞🧞‍♂️🧞‍♀️
• 僵尸：🧟🧟‍♂️🧟‍♀️

这些虚拟人物的 Emoji 饱含了深深的政治正确。首先，任何角色都有一个男性，也有一个女性在里面，特别是美人鱼还有男性这个完全忍不了，甚至在 iOS 15.4 中还有怀孕的男性 Emoji 出现 :)

但是呢，Emoji 标准还更进一步，它们又多了一个没有性别的符号，这样的改动看上去似乎是因为近几年平权运动的兴起，所以多了一个符号。

但是 Emoji 的组合公式也变了，相比之前女性角色是由 男性角色加上 ♂️ 符号，这种过于男权的表现。现在改为一个没有性别的 Emoji + ZWJ + ♂️或者 ♀️ 表示对应的性别组合。
[…’🧜‍♂️’].map(a => a.codePointAt(0).toString(16)) // [“1f9dc”, “200d”, “2642”, “fe0f”] (4)

爱情

一开始对爱情的定义应该挺容易的：💑，男性和女性之间出现了个❤️。公式为 👨 + ZWJ + ❤️ + ZWJ + 👩。秉承着包容的态度，Emoji 也对爱情的定义进行了扩容—👨‍❤️‍👨👩‍❤️‍👩
有了爱情的下一步就是 kiss，所以 👨‍❤️‍💋‍👨 👩‍❤️‍💋‍👩 也自然少不了。Kiss 相比爱情的 Emoji，是在❤️ 后面接个ZWJ 和 💋‍‍‍——Interesting。
有了爱情之后，自然就会组成家庭👪

Family

家庭最开始也挺简单的，爸爸👨和妈妈👩加上几个孩子的组合。一个👦，一个👧，一👦一👧，两个👧，两个👦，就五种——👨‍👩‍👦 👨‍👩‍👧 👨‍👩‍👧‍👦 👨‍👩‍👦‍👦 👨‍👩‍👧‍👧 。
公式为 👨 + ZWJ + 👩 + ZWJ + 👧 + ZWJ + 👦，你可以很容易验证。
[…’👨👩👧👦’].join(‘\u{200d}’)
但是不知道从什么时候开始，家庭的概念也被扩充了。有单亲家庭，有同性家庭：👨‍👨‍👧‍👦👩‍👩‍👦‍👦👨‍👧。不过公式相比早期的家庭，仅仅是将 👨 👩 删去一个，或者换成两个同样 Emoji，比如 […’👨👧👦’].join(‘\u{200d}’)。
当然，少不了无性别的符号：👪

非标准

比如微软对 🐈 的拓展，🐱‍👤 🐱‍💻。这些符号应该只能在 Windows 系统上看到效果，它们的样子类似于图片所示


忍者猫和程序猫

皮肤和发型

我们现在已经知道 Emoji 是如何通过组合不同的字符来得到新的 Emoji，而这里的魔力就是 ZWJ。上面提到的规则就涵盖了我们在 Emoji 键盘中绝大多数 Emoji 的组成规则。接着，我们再来看看长按 Emoji 键盘的表现。图片中我以一个卷发男人的 Emoji 为例，长按后可以得到另外的 5 种颜色。

我记得在几年前，iOS 刚刚支持展示这些皮肤的时候，大家认为默认的颜色代表了「黄种人」，有点点自豪感，但是似乎又过于黄了—这些老外是不是没看过我们亚洲人啊？之所以将基准颜色设计成这种黄色，仅仅是因为世界上没有任何人长这样。而 Emoji 中的部分颜色已经具有含义了，比如绿色的代表了中毒🤢，红色代表了中暑🥵，蓝色代表冷死🥶，所以黄色显然是一个挺不错的选择。

这五种颜色又是基于什么来判定的？有一种 Fitzpatrick(菲茨帕特里克) Scale 分类法，就被 Emoji 皮肤系统采用，虽然最初是为了评估不同肤色的人对紫外线的反应程度。只不过相比 Fitzpatrick Scale 的 6 种的分类，Emoji 仅仅引入了 5 种，它将第一种和第二种合并了，因为这样会看上去更真实。

所以在 Emoji 中表示颜色的方式就是人物或者人物器官，加上肤色的 Emoji。它们分别是
🏻 🏼 🏽 🏾 🏿，码位对应：1f3fb, 1f3fc, 1f3fd, 1f3fe, 1f3ff。

需要强调的是，肤色和下面将要提到的发型，在和支持的 Emoji 组合在一起的时候，是不需要 ZWJ 的，所以 💪 + 🏻 就是 💪🏻。

可能是工作量的问题，家庭，爱情这些 Emoji 还没有来得及支持肤色。反而是👫的 Emoji 最先支持了多种肤色的排列组合。

接着，除了皮肤之外，还有发型。红发 🦰卷发🦱 秃头🦲以及白发🦳，它们的码位分别是 1f9b0, 1f9b1, 1f9b2, 1f9b3。我不太清楚为什么会选用这四种发型。

和皮肤一样，满足公式的 Emoji 并排放在一起就能看到组合成新的的 Emoji —白发的女性 👩‍🦳。因为皮肤和发型并不能直接通过 Emoji 键盘获得，所以如果需要的话，可以通过运行下面的代码：
Array.from({ length: 5 }, (, i) => String.fromCodePoint(i + 0x1f3fb)) Array.from({ length: 4 }, (, i) => String.fromCodePoint(i + 0x1f9b0))

总结

相信看到这里，大家应该已经了解了 Emoji 的相关原理，也能对有些时候编辑 Emoji 的一些怪异行为坦然以对。比如下面肤色的符号： 🏻，看上去👈有一个多出来的空格，但其实你就是删不掉 😊
如果又因为新的 bug 导致了 iOS 崩溃也不要嘲笑，因为这真的很难 :)

在 Safari 上，英格兰要删好多次才能删除干净