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/


你可能感兴趣的:(java,基础)