Emoji表情（以及大多數(shù)Unicode字符）在存儲(chǔ)到MySQL數(shù)據(jù)庫時(shí)，通常需要確保數(shù)據(jù)庫、表和列都使用支持Unicode的字符集和校對(duì)規(guī)則。最常用的Unicode字符集是utf8mb4，因?yàn)橹С炙蠻nicode字符，包括Emoji表情。實(shí)際開發(fā)中，數(shù)據(jù)存儲(chǔ)的時(shí)候需要對(duì)所有的Emoji表情進(jìn)行UTF-8統(tǒng)一編碼并且需要確保能在不同平臺(tái)中進(jìn)行解碼和顯示。yIu28資訊網(wǎng)——每日最新資訊28at.com

(基礎(chǔ)知識(shí))位、字節(jié)、字符

在Java中，位（bit）、字節(jié)（byte）和字符（char）是三種基本的數(shù)據(jù)單位，各自具有特定的概念和用途。yIu28資訊網(wǎng)——每日最新資訊28at.com

位（bit）是計(jì)算機(jī)存儲(chǔ)和處理信息的最小單位，只能表示兩種狀態(tài)：0或1。在Java中，位并沒有對(duì)應(yīng)的基本數(shù)據(jù)類型，而是作為最小的信息單元用于表示和操作數(shù)據(jù)。位操作常用于位掩碼、位字段和位運(yùn)算等場(chǎng)景。yIu28資訊網(wǎng)——每日最新資訊28at.com

字節(jié)（byte）是計(jì)算機(jī)信息技術(shù)用于計(jì)量存儲(chǔ)容量的一種計(jì)量單位，也是Java中最小的內(nèi)存單元。由8個(gè)二進(jìn)制位（bit）組成，可以表示2^8種不同的狀態(tài)，0到255之間的整數(shù)值。字節(jié)類型用關(guān)鍵字byte表示。yIu28資訊網(wǎng)——每日最新資訊28at.com

字符（char）是Java中用來表示Unicode字符的數(shù)據(jù)類型。由16個(gè)二進(jìn)制位（即2個(gè)字節(jié)）組成，可以表示更多的字符，包括英文字母、數(shù)字、標(biāo)點(diǎn)符號(hào)、中文漢字以及其他特殊字符。字符類型用關(guān)鍵字char表示。yIu28資訊網(wǎng)——每日最新資訊28at.com

三者之間的主要區(qū)別在于其表示信息的粒度不同，位是最小的單位，字節(jié)次之，字符則相對(duì)較大。yIu28資訊網(wǎng)——每日最新資訊28at.com

UTF-8編碼中，字節(jié)和字符對(duì)應(yīng)關(guān)系

在UTF-8編碼中，字節(jié)和字符的對(duì)應(yīng)關(guān)系并不是一對(duì)一的固定關(guān)系，根據(jù)字符的不同而有所變化。UTF-8是一種可變長度的編碼方式，設(shè)計(jì)目標(biāo)是向后兼容ASCII字符集。yIu28資訊網(wǎng)——每日最新資訊28at.com

1. 對(duì)于ASCII字符集中的字符（0-127范圍內(nèi)的字符，包括英文字符、數(shù)字和一些控制字符），UTF-8編碼與ASCII編碼完全一致。這些字符在UTF-8編碼中只占用1個(gè)字節(jié)。
2. 對(duì)于其他Unicode字符，UTF-8使用多字節(jié)的序列來表示。具體的字節(jié)數(shù)取決于字符的Unicode碼點(diǎn)范圍：

對(duì)于U+0080到U+07FF范圍內(nèi)的字符（例如帶有變音符號(hào)的拉丁字母等），UTF-8使用2個(gè)字節(jié)來表示。yIu28資訊網(wǎng)——每日最新資訊28at.com

對(duì)于U+0800到U+FFFF范圍內(nèi)的字符（包括大部分常用的中日韓文字、東南亞文字、中東文字等），UTF-8使用3個(gè)字節(jié)來表示。yIu28資訊網(wǎng)——每日最新資訊28at.com

對(duì)于U+10000到U+10FFFF范圍內(nèi)的字符（包括一些較為罕見的字符），UTF-8使用4個(gè)字節(jié)來表示。yIu28資訊網(wǎng)——每日最新資訊28at.com

在UTF-8編碼中，中文字符（包括簡體和繁體）的編碼通常占用3個(gè)字節(jié)，中文標(biāo)點(diǎn)也占用3個(gè)字節(jié)。英文字符（包括大小寫字母）和英文標(biāo)點(diǎn)在UTF-8編碼中則分別占用1個(gè)字節(jié)。yIu28資訊網(wǎng)——每日最新資訊28at.com

String類的length()和codePointCount()的區(qū)別

String類的length()和codePointCount()方法的主要區(qū)別在于計(jì)算字符串長度的方式不同。yIu28資訊網(wǎng)——每日最新資訊28at.com

1. 「計(jì)算單位」：length()方法返回的是字符串中的字符數(shù)，codePointCount()方法返回的是字符串中的Unicode碼點(diǎn)數(shù)。
2. 「處理Unicode碼點(diǎn)」：length()方法不能處理Unicode碼點(diǎn)，codePointCount()方法可以處理。在處理包含Unicode補(bǔ)充字符（如某些表情符號(hào)或特殊字符）的字符串時(shí)，codePointCount()方法能夠更準(zhǔn)確地計(jì)算長度。
3. 「適用場(chǎng)景」：由于Unicode碼點(diǎn)能夠表示更廣泛的字符集，codePointCount()方法在處理包含多種語言字符或特殊字符的字符串時(shí)更為適用。length()方法則更適用于處理ASCII字符集或不包含Unicode補(bǔ)充字符的字符串。

Emoji編解碼

對(duì)整段字符進(jìn)行編碼(正常字符串)yIu28資訊網(wǎng)——每日最新資訊28at.com

try {     //編碼    String encodeStr = URLDecoder.decode("字符串", StandardCharsets.UTF_8.name());    //解碼    String decodeStr = URLDecoder.decode(encodeStr, StandardCharsets.UTF_8.name());} catch (UnsupportedEncodingException e) {    e.printStackTrace();}

Emoij表情進(jìn)行單獨(dú)編碼，只對(duì)Emoji表情編碼，其他字符不編碼，只需處理Unicode碼點(diǎn)即可，解碼的時(shí)候直接對(duì)整段解碼。yIu28資訊網(wǎng)——每日最新資訊28at.com

public class EmojiUtils {    /**     * 對(duì)emoji表情單獨(dú)編碼     */    public static String escape(String src){        //1.得到代碼點(diǎn)數(shù)量，也即是實(shí)際字符數(shù)，注意和length()的區(qū)別        //舉例：        //一個(gè)emoji表情是一個(gè)字符，codePointCount()是1，length()是2。        //但是遇到過一個(gè)emoji表情居然帶著空格符號(hào)，結(jié)果它的codePointCount()是2，length()也是2，實(shí)際上單獨(dú)拎emoji來說，它的length()應(yīng)該說是1才對(duì)了。        //推測(cè)這就是它們是否屬于增補(bǔ)字符范圍內(nèi)，length=2的是增補(bǔ)字符，length=1的不是。        int cpCount = src.codePointCount(0, src.length());        //2.得到字符串的第一個(gè)代碼點(diǎn)index，和最后一個(gè)代碼點(diǎn)index        //舉例：比如3個(gè)emoji表情，那么它的cpCount=3；firCodeIndex=0；lstCodeIndex=4        //因?yàn)槊總€(gè)emoji表情length()是2，所以第一個(gè)是0-1，第二個(gè)是2-3，第三個(gè)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.獲得代碼點(diǎn)，判斷是否是emoji表情            //注意，codePointAt(int) 這個(gè)int對(duì)應(yīng)的是codeIndex            //舉例:3個(gè)emoji表情，取第3個(gè)emoji表情，index應(yīng)該是4            int codepoint = src.codePointAt(index);            if (!isEmojiCharacter(codepoint)) {                sb.append((char) codepoint);            }else{                try {                    //4.對(duì)emoji表情UTF-8編碼，判斷是否是增補(bǔ)字符范圍內(nèi)                    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.確定指定字符（Unicode代碼點(diǎn)）是否在增補(bǔ)字符范圍內(nèi)。            //因?yàn)槌吮砬椋€有些特殊字符也是在增補(bǔ)字符方位內(nèi)的。            index += Character.isSupplementaryCodePoint(codepoint)? 2 : 1;        }        return sb.toString();    }        /**     * 過濾掉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;) {            //遍歷每個(gè)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     */    private static boolean isEmojiCharacter(int codePoint) {        return (codePoint >= 0x2600 && codePoint <= 0x27BF) // 雜項(xiàng)符號(hào)與符號(hào)字體                || codePoint == 0x303D || codePoint == 0x2049 || codePoint == 0x203C                || (codePoint >= 0x2000 && codePoint <= 0x200F)//                || (codePoint >= 0x2028 && codePoint <= 0x202F)//                || codePoint == 0x205F //                || (codePoint >= 0x2065 && codePoint <= 0x206F)//                /* 標(biāo)點(diǎn)符號(hào)占用區(qū)域 */                || (codePoint >= 0x2100 && codePoint <= 0x214F)// 字母符號(hào)                || (codePoint >= 0x2300 && codePoint <= 0x23FF)// 各種技術(shù)符號(hào)                || (codePoint >= 0x2B00 && codePoint <= 0x2BFF)// 箭頭A                || (codePoint >= 0x2900 && codePoint <= 0x297F)// 箭頭B                || (codePoint >= 0x3200 && codePoint <= 0x32FF)// 中文符號(hào)                || (codePoint >= 0xD800 && codePoint <= 0xDFFF)// 高低位替代符保留區(qū)域                || (codePoint >= 0xE000 && codePoint <= 0xF8FF)// 私有保留區(qū)域                || (codePoint >= 0xFE00 && codePoint <= 0xFE0F)// 變異選擇器                || codePoint >= 0x10000; // Plane在第二平面以上的，char都不可以存，全部都轉(zhuǎn)    }}

yIu28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-26-86514-0.html如何在Java中高效處理和編碼Emoji表情，包括編碼、解碼和過濾方法

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： ELK太重？試試輕量級(jí)分布式日志框架GrayLog

下一篇： 微軟 Surface Pro 9 英特爾版獲推 4 月固件更新，修復(fù) Win10 11 動(dòng)畫卡頓問題