java 编码

http://blog.csdn.net/shootyou/article/details/44852639

Emoji表情字符现在在APP已经广泛支持了。但是MySQL的UTF8编码对Emoji字符的支持却不是那么好。所以我们经常会遇到这样的异常：

1. Incorrect string value: '\xF0\x90\x8D\x83...' for column

原因是Mysql里UTF8编码最多只能支持3个字节，而Emoji表情字符使用的UTF8编码，很多都是4个字节，有些甚至是6个字节。

解决的方案有两种：

1.使用utf8mb4的mysql编码来容纳这些字符。

2.过滤掉这些特殊的表情字符。

关于第一种解决方法，请参考：http://segmentfault.com/a/1190000000616820 和 http://info.michael-simons.eu/2013/01/21/Java-mysql-and-multi-byte-utf-8-support/

有大量细节需要注意，例如：mysql版本，mysql的配置，mysql connector的版本等等。。

因为我们使用的云数据库，所以我选择了过滤这些特殊字符。其实过滤的方式很简单，直接使用正则表达式匹配编码范围，然后替换就行了。

下面是我的代码。

更多可以参考：http://stackoverflow.com/questions/27820971/why-a-surrogate-java-regexp-finds-hypen-minus

1. import org.apache.commons.lang3.StringUtils;
2. public class EmojiFilterUtils {
3. /**
4. * 将emoji表情替换成*
5. *
6. * @param source
7. * @return 过滤后的字符串
8. */
9. public static String filterEmoji(String source) {
10. if(StringUtils.isNotBlank(source)){
11. return source.replaceAll("[\\ud800\\udc00-\\udbff\\udfff\\ud800-\\udfff]", "*");
12. }else{
13. return source;
14. }
15. }
16. public static void main(String[] arg ){
17. try{
18. String text = "This is a smiley \uD83C\uDFA6 face\uD860\uDD5D \uD860\uDE07 \uD860\uDEE2 \uD863\uDCCA \uD863\uDCCD \uD863\uDCD2 \uD867\uDD98 ";
19. System.out.println(text);
20. System.out.println(text.length());
21. System.out.println(text.replaceAll("[\\ud83c\\udc00-\\ud83c\\udfff]|[\\ud83d\\udc00-\\ud83d\\udfff]|[\\u2600-\\u27ff]", "*"));
22. System.out.println(filterEmoji(text));
23. }catch (Exception ex){
24. ex.printStackTrace();
25. }
26. }
27. }