一個能在Java字符串中識別出 Emoji 的簡單工具

特性

• 支持 Unicode12 規範，點此查看
• 基於 EBNF 狀態機的 Emoji 判斷，比正則表達式更易維護
• 準確判斷含有 Emoji 的字符串長度
• 準確切割字符串不會斷開 Emoji

長度判斷

Emoji	String.length	EmojiReader.getTextLength
♀	1	1
🙂	2	1
👱‍♂	5	1
🏳️‍🌈	6	1
👨‍👩‍👦‍👦	11	1

在Java的字符串中，一個 Emoji 由一個或多個 Unicode 碼點（CodePoint）組成，一個碼點可能由多個字符組成（取決於碼點是否大於 0x010000），所以一個 Emoji 可能由數個字符組成。

不少業務都須要有字數的判斷，好比用戶暱稱不能過長，發言內容有字數限制等等。若是不對 Emoji 進行特殊處理，每每會出現不符合用戶預期的狀況。

使用 EmojiReader.getTextLength 能夠獲取到文本的可視符號的長度，一個 Emoji 的長度爲1。

String strWithEmoji = 「我是一個😃」;
int error = strWithEmoji.length(); //6
int correct = EmojiReader.getTextLength(strWithEmoji); //5
複製代碼

表情切割

當顯示文本過長時，一般咱們會省略末尾的文本，並加上省略號。

但若是字符串中含有 Emoji ，切割字符串就極可能把 Emoji 切段，變成亂碼。好比下面這個字符串：

"我是🙂😐😎💏"

通過 String.subString(0, 5) 處理後：

"我是🙂?"

由於多個 Unicode 碼點共同組合才能完成一個 Emoji 的展現，經過切割後剩下的 Unicode 碼點會表現出沒法正常顯示的亂碼。

使用 EmojiReader.subSequence 能夠按照一個 Emoji 長度爲1來進行符合視覺預期的裁剪。

EmojiReader.subSequence("我是🙂😐😎💏", 0, 5) == "我是🙂😐😎"
複製代碼

安裝

1. 根目錄的 build.gradle 添加：

   allprojects {
       repositories {
           ...
           maven { url 'https://jitpack.io' }
       }
   }
   複製代碼

2. 使用的模塊的 build.gradle 中添加：

   dependencies {
       api 'com.github.YvesCheung:EmojiReader:x.y.z'
   }
   複製代碼

   其中x.y.z 版本替換爲

原理

Unicode 規範文檔中給出了 Emoji 的語法，是一個EBNF範式的表達：

possible_emoji :=
    flag_sequence
    | zwj_element (x{200D} zwj_element)+
     
flag_sequence :=
    p{RI} p{RI}
     
zwj_element :=
    p{Emoji} emoji_modification?

emoji_modification :=
    p{EMod}
    | x{FE0F} x{20E3}?
    | tag_modifier

tag_modifier :=
    [x{E0020}-x{E007E}]+ x{E007F}
複製代碼

這裏簡單地解釋一下：

Emoji只有三種形式

第一種是國旗類的，由兩個國家區域符組成

• 兩個區域符號組成國旗的樣例

第二種是由表情專屬的碼點加修飾符組成(修飾符可選)

• 單個碼點組成的樣例

• 碼點加上修飾符的樣例（此例中修飾符爲 uFE0F 20E3）

第三種是由多個第二種表情經過鏈接符組成

• 多個（碼點 修飾符）相連的樣例（鏈接符爲 u200D）

• 經典的全家福

經過全家福能夠發現，u1F469 和 u1F466 都是獨立的 Emoji 碼點，能夠表現出一我的像，當他們經過 u200D 鏈接符組合後，就能夠表現出一個多人像的新 Emoji 。

一個工程師 u1F477 和一個女性別 2640 FE0F 組合起來，就能夠表現出一個女工程師的新 Emoji 。

可選的修飾符 uFE0F u20E3 等等跟在獨立的 Emoji 碼點後面，能夠起修改表現顏色/表現性別等做用。

經過修飾符和鏈接符就能把 Emoji 碼點組合出變幻無窮的表情。

源碼地址

github.com/YvesCheung/…