微信公众平台昵称乱码emoji表情过滤

问题描述

最近在对线上排错过程中发现很多入库时产生的错误日志,表现形态如下

Incorrect string value : '\xF0\x9F\x91\x8D\xE6\x94...' for column 'column_x' at row 1

在查阅资料后发现这其实是一种emoji表情符号,普遍存在iOS与android系统中,而这种特殊字符合作用的Unicode 6标准来统一,采用4个bytes来存储一个emoji表情,而将这种表情不处理直接存储到MySQL5.5以下的版本会报错,当然想要MySQL存储这种字符也不困难,只需要修改数据库字符集为utf8mb4即可,但数据回传给网页或者移动客户端时则需要做兼容处理,所以我们暂时忽略这种需求,直接将其过滤掉.

解决方案

对于字符串处理,首选就是正则表达式去处理,而在android系统中可以自定义InputFilter去过滤需要处理掉的字符串,代码如下

InputFilter emojiFilter = new InputFilter ( ) {      @Override      public CharSequence filter ( CharSequence source , int start , int end , Spanned dest , int dstart ,          int dend ) {      } } ;

随后我查阅了 emoji 的wikipedia与 Github ,从中提取出表情的一个大概unicode范围,由于Java可以直接对unicode进行匹配,这样我们可以很省事直接写出Pattern即可,代码如下

InputFilter emojiFilter = new InputFilter ( ) {      Pattern emoji = Pattern . compile (          "[\ud83c\udc00-\ud83c\udfff]|[\ud83d\udc00-\ud83d\udfff]|[\u2600-\u27ff]" ,          Pattern . UNICODE_CASE | Pattern . CASE_INSENSITIVE ) ;      @Override      public CharSequence filter ( CharSequence source , int start , int end , Spanned dest , int dstart ,          int dend ) {        Matcher emojiMatcher = emoji . matcher ( source ) ;        if ( emojiMatcher . find ( ) ) {          return "" ;        }        return null ;      } } ;

基本上这样就能过滤掉emoji表情了