java處理emoji（轉）

最近對接ios、安卓客戶端，須要處理emoji等表情符號，網上總結：

1.過濾掉emoji表情符

2.修改數據庫的編碼格式等，讓其支持存儲emoji

如下分別對兩種方案進行描述：

第一種：過濾掉emoji表情符，統一用*代替
利用emoji的編碼範圍，利用正則匹配過濾：source.replaceAll("[\\ud800\\udc00-\\udbff\\udfff\\ud800-\\udfff]", "*")

private static boolean isNotEmojiCharacter(char codePoint)
{
return (codePoint == 0x0) ||
(codePoint == 0x9) ||
(codePoint == 0xA) ||
(codePoint == 0xD) ||
((codePoint >= 0x20) && (codePoint <= 0xD7FF)) ||
((codePoint >= 0xE000) && (codePoint <= 0xFFFD)) ||
((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}
/**
* 過濾emoji 或者 其餘非文字類型的字符 
* @param source
* @return
*/
public static String filterEmoji(String source)
{
int len = source.length();
StringBuilder buf = new StringBuilder(len);
for (int i = 0; i < len; i++)
{
char codePoint = source.charAt(i);
if (isNotEmojiCharacter(codePoint))
{
buf.append(codePoint);
} else{

buf.append("*");

}
}
return buf.toString();
}

第二種：修改mysql數據庫的配置，存儲emoji表情符

若是UTF8字符集且是Java服務器的話，當存儲含有emoji表情時，會拋出相似以下異常：

java.sql.SQLException: Incorrect string value: '\xF0\x9F\x92\x94' for column 'name' at row 1       at com.mysql.jdbc.SQLError.createSQLException(SQLError.java:1073)       at com.mysql.jdbc.MysqlIO.checkErrorPacket(MysqlIO.java:3593)       at com.mysql.jdbc.MysqlIO.checkErrorPacket(MysqlIO.java:3525)       at com.mysql.jdbc.MysqlIO.sendCommand(MysqlIO.java:1986)       at com.mysql.jdbc.MysqlIO.sqlQueryDirect(MysqlIO.java:2140)       at com.mysql.jdbc.ConnectionImpl.execSQL(ConnectionImpl.java:2620)       at com.mysql.jdbc.StatementImpl.executeUpdate(StatementImpl.java:1662)       at com.mysql.jdbc.StatementImpl.executeUpdate(StatementImpl.java:1581)

這就是字符集不支持的異常。由於UTF-8編碼有多是兩個、三個、四個字節，其中Emoji表情是4個字節，有的甚至6個字節，而Mysql的utf8編碼最多3個字節，因此致使了數據插不進去。

升級前須要考慮的問題：

若是你的項目要進行移動產品的用戶文本的存儲，將你的DB字符集從UTF8/GBK等傳統字符集升級到utf8mb4將是勢在必行。你能夠經過應用層面轉換emoji等特殊字符，以達到原DB的兼容，我認爲可行，可是你可能走了彎路。

utf8mb4做爲utf8的super set，徹底向下兼容，因此不用擔憂字符的兼容性問題。切換中須要顧慮的主要影響是mysql須要從新啓動（雖然mysql官方文檔說能夠動態修改配置，可是通過數次測試，仍是須要重啓纔可生效），對於業務可用率的影響是須要考慮的大問題，這裏就暫時不展開討論了。

升級步驟：

1.utf8mb4的最低mysql版本支持版本爲5.5.3+，若不是，請升級到較新版本。

mysql版本查看命令請看：查看mysql版本的四種方法；mysql安裝步驟請看：Linux中升級Mysql到Mysql最新版本的方法
2.修改database、table和column字符集。參考如下語句：
ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
ALTER TABLE table_name CHANGE column_name VARCHAR(191) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
3.修改mysql配置文件my.cnf（windows爲my.ini）

my.cnf通常在etc/mysql/my.cnf位置。找到後請在如下三部分裏添加以下內容：

[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

[mysqld]
character-set-client-handshake = FALSE
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
init_connect='SET NAMES utf8mb4'

4.重啓 MySQL Server、檢查字符集

1.）重啓命令參考：/etc/init.d/mysql restart

2.）輸入命令：mysql，進入mysql命令行（若是提示沒權限，能夠嘗試輸入mysql -uroot -p你的密碼）

3.）在mysql命令行中輸入：SHOW VARIABLES WHERE Variable_name LIKE 'character_set_%' OR Variable_name LIKE 'collation%';

檢查是否以下：

+--------------------------+--------------------+
| Variable_name            | Value              |
+--------------------------+--------------------+
| character_set_client    | utf8mb4            |
| character_set_connection | utf8mb4            |
| character_set_database  | utf8mb4            |
| character_set_filesystem | binary            |
| character_set_results    | utf8mb4            |
| character_set_server    | utf8mb4            |
| character_set_system    | utf8              |
| collation_connection    | utf8mb4_unicode_ci |
| collation_database      | utf8mb4_unicode_ci |
| collation_server        | utf8mb4_unicode_ci |
+--------------------------+--------------------+
rows in set (0.00 sec)

特別說明下：collation_connection/collation_database/collation_server若是是utf8mb4_general_ci，沒有關係。但必須保證character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server爲utf8mb4。關於這些字符集配置是幹什麼用的，有什麼區別，請參考：深刻Mysql字符集設置

5.若是你用的是java服務器，升級或確保你的mysql connector版本高於5.1.13，不然仍然沒法使用utf8mb4
這是mysql官方release note，你們能夠查看說明，並下載最新的mysql connector for java的jar包。
這裏爲你們提供一個：mysql-connector-java-5.1.31-bin.jar
同時記得修改pom配置哦~

6.檢查服務端的db配置文件：

jdbc.driverClassName=com.mysql.jdbc.Driver
jdbc.url=jdbc:mysql://localhost:3306/database?useUnicode=true&characterEncoding=utf8&autoReconnect=true&rewriteBatchedStatements=TRUE
jdbc.username=root
jdbc.password=password

 

特別說明其中的jdbc.url配置：若是你已經升級好了mysql-connector，其中的characterEncoding=utf8能夠被自動被識別爲utf8mb4（固然也兼容原來的utf8），而autoReconnect配置我強烈建議配上，我以前就是忽略了這個屬性，致使由於緩存緣故，沒有讀取到DB最新配置，致使一直沒法使用utf8mb4字符集，多麼痛的領悟！！

感謝這位仁兄的分享，順利的幫助我解決了問題，可是我直接拿maven下載的驅動5.1.31仍是很差用，後來修改爲5.1.13後就沒有問題了。

 

轉自：http://segmentfault.com/blog/ilikewhite/1190000000616820