一个能在Java字符串中识别出 Emoji 的简单工具

特性

支持 Unicode12 规范，点此查看
基于 EBNF 状态机的 Emoji 判断，比正则表达式更易维护
准确判断含有 Emoji 的字符串长度
准确切割字符串不会断开 Emoji

长度判断

Emoji	String.length	EmojiReader.getTextLength
♀	1	1
	2	1
‍♂	5	1
️‍	6	1
‍‍‍	11	1

在Java的字符串中，一个 Emoji 由一个或多个 Unicode 码点（CodePoint）组成，一个码点可能由多个字符组成（取决于码点是否大于 0x010000），因此一个 Emoji 可能由数个字符组成。

一个Emoji长度为12

很多业务都需要有字数的判断，比如用户昵称不能过长，发言内容有字数限制等等。如果不对 Emoji 进行特殊处理，往往会出现不符合用户预期的情况。

使用 EmojiReader.getTextLength 可以获取到文本的可视符号的长度，一个 Emoji 的长度为1。

String strWithEmoji = “我是一个”;
int error = strWithEmoji.length(); //6
int correct = EmojiReader.getTextLength(strWithEmoji); //5

表情切割

当显示文本过长时，通常我们会省略末尾的文本，并加上省略号。

但如果字符串中含有 Emoji ，切割字符串就很可能把 Emoji 切段，变成乱码。比如下面这个字符串：

"我是"

经过 String.subString(0, 5) 处理后：

"我是?"

因为多个 Unicode 码点共同组合才能完成一个 Emoji 的展示，通过切割后剩下的 Unicode 码点会表现出无法正常显示的乱码。

使用 EmojiReader.subSequence 可以按照一个 Emoji 长度为1来进行符合视觉预期的裁剪。

EmojiReader.subSequence("我是", 0, 5) == "我是"

安装

根目录的 build.gradle 添加：

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

使用的模块的 build.gradle 中添加：

dependencies {
    api 'com.github.YvesCheung:EmojiReader:1.0.1'
}

原理

Unicode 规范文档中给出了 Emoji 的语法，是一个EBNF范式的表达：

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}

这里简单地解释一下：

Emoji只有三种形式

第一种是国旗类的，由两个国家区域符组成

两个区域符号组成国旗的样例

国旗Emoji

第二种是由表情专属的码点加修饰符组成(修饰符可选)

单个码点组成的样例

单个码点Emoji

码点加上修饰符的样例（此例中修饰符为 \uFE0F \20E3）

码点加修饰符Emoji

第三种是由多个第二种表情通过连接符组成

多个（码点修饰符）相连的样例（连接符为 \u200D）

多码点连接Emoji

经典的全家福

全家福Emoji

通过全家福可以发现，\u1F469 和 \u1F466 都是独立的 Emoji 码点，可以表现出一个人像，当他们通过 \u200D 连接符组合后，就可以表现出一个多人像的新 Emoji 。

一个工程师 \u1F477 和一个女性别 \2640 \FE0F 组合起来，就可以表现出一个女工程师的新 Emoji 。

可选的修饰符 \uFE0F \u20E3 等等跟在独立的 Emoji 码点后面，可以起修改表现颜色/表现性别等作用。

通过修饰符和连接符就能把 Emoji 码点组合出千变万化的表情。

源码地址

https://github.com/YvesCheung/EmojiReader