过滤字符串中的Emoji表情

    iOS 5.0之前，苹果都是采用3个字节来承接 emoji 表情，Java 的普通 char 可以支持显示。但 iOS 5.0 之后， 苹果升级了系统自带的 emoji 表情输入法，用的 Unicode 6 标准来统一，是采用4个 bytes 来承接一个 emoji 表情。如果不做处理的话，这种表情直接存储到 mysql5.5 以下的数据库是会报错的。就像这两个表情一样：口口, 在 Windows 8 以下估计都不支持显示，可能会显示成框框，可能压根就是空白， 你可以在 Mac 中使用Safari 浏览器中，就可以看到。经过测试，在 Mac 就算用 Chrome 浏览器(Version 25.0.1364.172)也是不行的。

这种数据在 Mysql 5.5 之前，UTF-8 支持1-3个字节的编码，从 Mysql5.5 开始后，可以支持4个字节的 UTF 编码，但要特殊标记。修改 Mysql 相应存储字段为 utf8mb4 。修改语句如下： 

1 ALTER TABLE table_name
2   MODIFY COLUMN content varchar(500) CHARACTER
3   SET utf8mb4 COLLATE utf8mb4_unicode_ci
4   DEFAULT NULL COMMENT 'content of message';

在某种业务情景下，我们可以选择过滤掉这种“非法”的字符。我采用的方式是，在字符上面做操作，下面是Java示例代码，核心的代码附上，应该是 无法直接下载就能够编译，你得小小的做一些微调，没有额外的依赖：

01 public class EmojiFilter {
02
03     /**
04      * 检测是否有emoji字符
05      * @param source
06      * @return 一旦含有就抛出
07      */
08     public static boolean containsEmoji(String source) {
09         if (StringUtils.isBlank(source)) {
10             return false;
11         }
12
13         int len = source.length();
14
15         for (int i = 0; i < len; i++) {
16             char codePoint = source.charAt(i);
17
18             if (isEmojiCharacter(codePoint)) {
19                 //do nothing，判断到了这里表明，确认有表情字符
20                 return true;
21             }
22         }
23
24         return false;
25     }
26
27     private static boolean isEmojiCharacter(char codePoint) {
28         return (codePoint == 0x0) ||
29                 (codePoint == 0x9) ||
30                 (codePoint == 0xA) ||
31                 (codePoint == 0xD) ||
32                 ((codePoint >= 0x20) && (codePoint <= 0xD7FF)) ||
33                 ((codePoint >= 0xE000) && (codePoint <= 0xFFFD)) ||
34                 ((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
35     }
36
37     /**
38      * 过滤emoji 或者 其他非文字类型的字符
39      * @param source
40      * @return
41      */
42     public static String filterEmoji(String source) {
43
44         if (!containsEmoji(source)) {
45             return source;//如果不包含，直接返回
46         }
47         //到这里铁定包含
48         StringBuilder buf = null;
49
50         int len = source.length();
51
52         for (int i = 0; i < len; i++) {
53             char codePoint = source.charAt(i);
54
55             if (isEmojiCharacter(codePoint)) {
56                 if (buf == null) {
57                     buf = new StringBuilder(source.length());
58                 }
59
60                 buf.append(codePoint);
61             } else {
62             }
63         }
64
65         if (buf == null) {
66             return source;//如果没有找到 emoji表情，则返回源字符串
67         } else {
68             if (buf.length() == len) {//这里的意义在于尽可能少的toString，因为会重新生成字符串
69                 buf = null;
70                 return source;
71             } else {
72                 return buf.toString();
73             }
74         }
75
76     }
77 }

还有优化的空间，但是已经能够满足大多数情况的需求，附上单元测试(JUnit4):

01	public class EmojiFilterTest {

02

03

04

/**

05	* 测试emoji表情

06

*/

07

@Test

08	public void fileterEmoji() {

09	String s = "口口213这是一个有各种内容的消息,  Hia Hia Hia !!!! xxxx@@@...*)!" +

10	"(@*$&@(&#!)@*)!&$!)@^%@(!&#. 口口口], ";

11	String c = Utils.filterEmoji(s);

12	assertFalse(s.equals(c));

13	String expected = "213这是一个有各种内容的消息,  Hia Hia Hia !!!! xxxx@@@...*)" +

14	"!(@*$&@(&#!)@*)!&$!)@^%@(!&#. ], ";

15	assertEquals(expected, c);

16	//        assertSame(c, expected);

17	assertSame(expected, "213这是一个有各种内容的消息,  Hia Hia Hia !!!! xxxx@@@...*)" +

18	"!(@*$&@(&#!)@*)!&$!)@^%@(!&#. ], ");

19	assertSame(c, Utils.filterEmoji(c));

20

}

21

22

}

原文链接：http://doombyte.com/blog/2013/03/20/filter-emoji-emotion-in-string/