前言

开发过程中，遇到了带有Emoji表情的字符串无法存入后台数据库问题。原因是Mysql的utf8编码最多3个字节，而Emoji表情或者某些特殊字符是4个字节，所以数据插不进去。这种问题应该交给后台处理，如果后台不处理，则ios和Andriod要统一对emoji表情编码，这里采用UTF-8编码，在解决这个问题之前，先对以下相关知识做个了解。

实例

对含有emoji表情的字符串进行UTF-8编解码

image.png

对整段字符进行编码

这种方式简单便捷，如无特殊情况，这么处理就足够了。最后显示的都是带%号的字符串，例如：%E5%93%88

try {
     //编码
    String encodeStr = URLEncoder.encode(src, "UTF-8");
    //解码
    String decodeStr = URLDecoder.decode(encodeStr, "UTF-8");
} catch (UnsupportedEncodingException e) {
    e.printStackTrace();
}

对Emoij表情单独编码

如果遇到特殊要求，只对emoji表情编码，其他字符不编码，那就要用到codePointCount()了，解码的时候直接对整段解码即可。

public class EmojiUtils {

    /**
     * 对emoji表情单独编码
     * @param src
     * @return
     */
    public static String escape(String src){
        //1.得到代码点数量，也即是实际字符数，注意和length()的区别
        //举例：
        //一个emoji表情是一个字符，codePointCount()是1，length()是2。
        //但是遇到过一个emoji表情居然带着空格符号，结果它的codePointCount()是2，length()也是2，实际上单独拎emoji来说，它的length()应该说是1才对了。
        //推测这就是它们是否属于增补字符范围内，length=2的是增补字符，length=1的不是。
        int cpCount = src.codePointCount(0, src.length());

        //2.得到字符串的第一个代码点index，和最后一个代码点index
        //举例：比如3个emoji表情，那么它的cpCount=3；firCodeIndex=0；lstCodeIndex=4
        //因为每个emoji表情length()是2，所以第一个是0-1，第二个是2-3，第三个是4-5
        int firCodeIndex = src.offsetByCodePoints(0, 0);
        int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);

        StringBuilder sb = new StringBuilder();
        int index = firCodeIndex;
        while (index<=lstCodeIndex){
            //3.获得代码点，判断是否是emoji表情
            //注意，codePointAt(int) 这个int对应的是codeIndex
            //举例:3个emoji表情，取第3个emoji表情，index应该是4
            int codepoint = src.codePointAt(index);
            if (!isEmojiCharacter(codepoint)) {
                sb.append((char) codepoint);
            }else{
                try {
                    //4.对emoji表情UTF-8编码，判断是否是增补字符范围内
                    int length = Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
                    String encoderStr = URLEncoder.encode(src.substring(index,index + length), "UTF-8");
                    sb.append(encoderStr);
                } catch (UnsupportedEncodingException e) {

                }
            }
            //4.确定指定字符（Unicode代码点）是否在增补字符范围内。
            //因为除了表情，还有些特殊字符也是在增补字符方位内的。
            index += Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
        }
        return sb.toString();
    }
    
    /**
     * 过滤掉emoji表情
     * @param src
     * @return
     */
    public static String filter(String src) {
        if (src == null) {
            return null;
        }
        //得到codePointCount
        int cpCount = src.codePointCount(0, src.length());
        int firCodeIndex = src.offsetByCodePoints(0, 0);
        int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
        StringBuilder sb = new StringBuilder(src.length());
        for (int index = firCodeIndex; index <= lstCodeIndex;) {
            //遍历每个codePoint
            int codepoint = src.codePointAt(index);
            if (!isEmojiCharacter(codepoint)) {
                System.err.println("codepoint:" + Integer.toHexString(codepoint));
                sb.append((char) codepoint);
            }
            index += ((Character.isSupplementaryCodePoint(codepoint)) ? 2 : 1);

        }
        return sb.toString();
    }


    /**
     * 是否是Emoji表情
     * @param codePoint
     * @return
     */
    private static boolean isEmojiCharacter(int codePoint) {
        return (codePoint >= 0x2600 && codePoint <= 0x27BF) // 杂项符号与符号字体
                || codePoint == 0x303D || codePoint == 0x2049 || codePoint == 0x203C
                || (codePoint >= 0x2000 && codePoint <= 0x200F)//
                || (codePoint >= 0x2028 && codePoint <= 0x202F)//
                || codePoint == 0x205F //
                || (codePoint >= 0x2065 && codePoint <= 0x206F)//
                /* 标点符号占用区域 */
                || (codePoint >= 0x2100 && codePoint <= 0x214F)// 字母符号
                || (codePoint >= 0x2300 && codePoint <= 0x23FF)// 各种技术符号
                || (codePoint >= 0x2B00 && codePoint <= 0x2BFF)// 箭头A
                || (codePoint >= 0x2900 && codePoint <= 0x297F)// 箭头B
                || (codePoint >= 0x3200 && codePoint <= 0x32FF)// 中文符号
                || (codePoint >= 0xD800 && codePoint <= 0xDFFF)// 高低位替代符保留区域
                || (codePoint >= 0xE000 && codePoint <= 0xF8FF)// 私有保留区域
                || (codePoint >= 0xFE00 && codePoint <= 0xFE0F)// 变异选择器
                || codePoint >= 0x10000; // Plane在第二平面以上的，char都不可以存，全部都转
    }
}

参考

https://blog.csdn.net/u014166319/article/details/71308112
https://www.cnblogs.com/mojxtang/p/10154907.html

Emoji表情转UTF-8编解码、过滤

前言

相关知识

1.位、字节、字符的概念和区别。

2.UTF-8编码中，字节和字符的对应关系。

3.String类的length() 和 codePointCount() 的区别

实例

对整段字符进行编码

对Emoij表情单独编码

参考

你可能感兴趣的:(Emoji表情转UTF-8编解码、过滤)