过滤字符串中的Emoji表情[转]?报错
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：
ALTER TABLE table_name MODIFY COLUMN content varchar(500) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci 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：
public class EmojiFilter {
/**
* 检测是否有emoji字符
* @param source
* @return 一旦含有就抛出
*/
public static boolean containsEmoji(String source) {
if (StringUtils.isBlank(source)) {
return false;
}
int len = source.length();
for (int i = 0; i < len; i++) {
char codePoint = source.charAt(i);
if (isEmojiCharacter(codePoint)) {
//do nothing，判断到了这里表明，确认有表情字符
return true;
}
}
return false;
}
private static boolean isEmojiCharacter(char codePoint) {
return (codePoint == 0x0) ||
(codePoint == 0x9) ||
(codePoint == 0xA) ||
(codePoint == 0xD) ||
((codePoint >= 0x20) && (codePoint <= 0xD7FF)) ||
((codePoint >= 0xE000) && (codePoint <= 0xFFFD)) ||
((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}
/**
* 过滤emoji 或者 其他非文字类型的字符
* @param source
* @return
*/
public static String filterEmoji(String source) {
if (!containsEmoji(source)) {
return source;//如果不包含，直接返回
}
//到这里铁定包含
StringBuilder buf = null;
int len = source.length();
for (int i = 0; i < len; i++) {
char codePoint = source.charAt(i);
if (isEmojiCharacter(codePoint)) {
if (buf == null) {
buf = new StringBuilder(source.length());
}
buf.append(codePoint);
} else {
}
}
if (buf == null) {
return source;//如果没有找到 emoji表情，则返回源字符串
} else {
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
buf = null;
return source;
} else {
return buf.toString();
}
}
}
}
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):
public class EmojiFilterTest {
/**
* 测试emoji表情
*/
@Test
public void fileterEmoji() {
String s = "<body>口口213这是一个有各种内容的消息, Hia Hia Hia !!!! xxxx@@@...*)!" +
"(@*$&@(&#!)@*)!&$!)@^%@(!&#. 口口口], ";
String c = Utils.filterEmoji(s);
assertFalse(s.equals(c));
String expected = "<body>213这是一个有各种内容的消息, Hia Hia Hia !!!! xxxx@@@...*)" +
"!(@*$&@(&#!)@*)!&$!)@^%@(!&#. ], ";
assertEquals(expected, c);
// assertSame(c, expected);
assertSame(expected, "<body>213这是一个有各种内容的消息, Hia Hia Hia !!!! xxxx@@@...*)" +
"!(@*$&@(&#!)@*)!&$!)@^%@(!&#. ], ");
assertSame(c, Utils.filterEmoji(c));
}
}
原文链接：http://doombyte.com/blog/2013/03/20/filter-emoji-emotion-in-string/
写回答
-
https://developer.aliyun.com/profile/5yerqm5bn5yqg?spm=a2c6h.12873639.0.0.6eae304abcjaIB能不坑人么?
isEmojiCharacter这个方法名和方法内容不符合，容易引起误会。filterEmoji方法下面要加source=""+source;return的时候要trim()，否则无法判断单单独表情字符
不管什么都是true啊！！！我改成isNotEmojiCharacter(charcodePoint)了 publicstaticStringfilterEmoji(Stringsource){if(StringUtils.isBlank(source)){returnsource;}StringBuilderbuf=null;intlen=source.length();for(inti=0;i<len;i++){charcodePoint=source.charAt(i);if(isNotEmojiCharacter(codePoint)){if(buf==null){buf=newStringBuilder(source.length());}buf.append(codePoint);}}if(buf==null){returnsource;}else{if(buf.length()==len){buf=null;returnsource;}else{returnbuf.toString();}}}
我把方法优化了一下，不然你原有方法其实是要遍历两遍的，现在这个方法就只需要遍历一遍了经测试，这个方法没有用，屁用也不管一条
2020-06-22 20:32:38赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
