iOS--過濾emoji表情

科普。

Emoji來源就不多說了,只要知道在某個版本的Unicode編碼中加入了Emoji慕购,并且不是放一塊的,也就說在Unicode編碼中播急,Emoji的地址沒有規(guī)律可尋脓钾,那只能去硬匹配,可Emoji數(shù)量幾百上千桩警,這一個個去匹配實在太蠢了,咱得縮小匹配范圍昌妹。相信現(xiàn)在大家都用的UTF8編碼捶枢,這是一種變長編碼握截,提到變長,那肯定會有一個描述頭烂叔,幾個內(nèi)容體谨胞,UTF8是一樣的。
在一個字節(jié)中蒜鸡,如果第一個bit位是0胯努,那么代表當前為單字節(jié)字符,0之后的7位bit為數(shù)據(jù)部分逢防,代表在Unicode中的序號對應(yīng)的叶沛,如果第一位是1開頭,代表是多字節(jié)字符忘朝,如果第二位是0灰署,代表這個字節(jié)是多字節(jié)字符的數(shù)據(jù)字節(jié),跟在頭字節(jié)后面局嘁;如果前面有多個1溉箕,則幾個1代表該字符有幾個字節(jié)(包含當前字節(jié)),例如:

110xxxxx // 代表有兩個字節(jié)悦昵,后面一定跟著一個10開頭的數(shù)據(jù)字節(jié)
110xxxxx 10xxxxxx
1110xxxx // 代表有三個字節(jié)肴茄,后面跟著兩個10開頭的數(shù)據(jù)字節(jié)
1110xxxx 10xxxxxx 10xxxxxx

推理可知,Utf8中一個字符最長7個字節(jié)但指,其中數(shù)據(jù)位6個字節(jié)独郎,其中Emoji在Unicode中分布在2、3枚赡、4氓癌、4+長度的地址中,其中長度為2的Emoji大部分是文字字符贫橙,這些我們可以放行贪婉,4、4+的Emoji可全部過濾卢肃,而我們可見文字基本都分部在3字節(jié)地址中疲迂,這里重點需要過濾3字節(jié)的Emoji(3字節(jié)的Emoji已經(jīng)可以入庫了,但為了統(tǒng)一體驗莫湘,還是需要過濾掉)尤蒿,幸運的是3字節(jié)的Emoji不是很多,硬匹配也算說得過去幅垮。

實現(xiàn)腰池。

1.根據(jù)從Unicode官網(wǎng)找到的資料,匹配三字節(jié)Unicode

- (BOOL) emojiInUnicode:(short)code
{
if (code == 0x0023
|| code == 0x002A
|| (code >= 0x0030 && code <= 0x0039)
|| code == 0x00A9
|| code == 0x00AE
|| code == 0x203C
|| code == 0x2049
|| code == 0x2122
|| code == 0x2139
|| (code >= 0x2194 && code <= 0x2199)
|| code == 0x21A9 || code == 0x21AA
|| code == 0x231A || code == 0x231B
|| code == 0x2328
|| code == 0x23CF
|| (code >= 0x23E9 && code <= 0x23F3)
|| (code >= 0x23F8 && code <= 0x23FA)
|| code == 0x24C2
|| code == 0x25AA || code == 0x25AB
|| code == 0x25B6
|| code == 0x25C0
|| (code >= 0x25FB && code <= 0x25FE)
|| (code >= 0x2600 && code <= 0x2604)
|| code == 0x260E
|| code == 0x2611
|| code == 0x2614 || code == 0x2615
|| code == 0x2618
|| code == 0x261D
|| code == 0x2620
|| code == 0x2622 || code == 0x2623
|| code == 0x2626
|| code == 0x262A
|| code == 0x262E || code == 0x262F
|| (code >= 0x2638 && code <= 0x263A)
|| (code >= 0x2648 && code <= 0x2653)
|| code == 0x2660
|| code == 0x2663
|| code == 0x2665 || code == 0x2666
|| code == 0x2668
|| code == 0x267B
|| code == 0x267F
|| (code >= 0x2692 && code <= 0x2694)
|| code == 0x2696 || code == 0x2697
|| code == 0x2699
|| code == 0x269B || code == 0x269C
|| code == 0x26A0 || code == 0x26A1
|| code == 0x26AA || code == 0x26AB
|| code == 0x26B0 || code == 0x26B1
|| code == 0x26BD || code == 0x26BE
|| code == 0x26C4 || code == 0x26C5
|| code == 0x26C8
|| code == 0x26CE
|| code == 0x26CF
|| code == 0x26D1
|| code == 0x26D3 || code == 0x26D4
|| code == 0x26E9 || code == 0x26EA
|| (code >= 0x26F0 && code <= 0x26F5)
|| (code >= 0x26F7 && code <= 0x26FA)
|| code == 0x26FD
|| code == 0x2702
|| code == 0x2705
|| (code >= 0x2708 && code <= 0x270D)
|| code == 0x270F
|| code == 0x2712
|| code == 0x2714
|| code == 0x2716
|| code == 0x271D
|| code == 0x2721
|| code == 0x2728
|| code == 0x2733 || code == 0x2734
|| code == 0x2744
|| code == 0x2747
|| code == 0x274C
|| code == 0x274E
|| (code >= 0x2753 && code <= 0x2755)
|| code == 0x2757
|| code == 0x2763 || code == 0x2764
|| (code >= 0x2795 && code <= 0x2797)
|| code == 0x27A1
|| code == 0x27B0
|| code == 0x27BF
|| code == 0x2934 || code == 0x2935
|| (code >= 0x2B05 && code <= 0x2B07)
|| code == 0x2B1B || code == 0x2B1C
|| code == 0x2B50
|| code == 0x2B55
|| code == 0x3030
|| code == 0x303D
|| code == 0x3297
|| code == 0x3299
// 第二段
|| code == 0x23F0) {
return YES;
}
return NO;
} 

2.另外還有很古老的一套Emoji,采用Unicode私有區(qū)域示弓,現(xiàn)在基本沒用了讳侨,不過還是過濾下

- (BOOL) emojiInSoftBankUnicode:(short)code
{
return ((code >> 8) >= 0xE0 && (code >> 8) <= 0xE5 && (Byte)(code & 0xFF) < 0x60);
} 

3.對輸入string的過濾,需要過濾掉字節(jié)長度為非3的字符奏属,然后校驗3字節(jié)的unicode編碼

- (BOOL) containEmoji
{
NSUInteger len = [self lengthOfBytesUsingEncoding:NSUTF8StringEncoding];
if (len < 3) {// 大于2個字符需要驗證Emoji(有些Emoji僅三個字符)
return NO;
}// 僅考慮字節(jié)長度為3的字符,大于此范圍的全部做Emoji處理
NSData *data = [self dataUsingEncoding:NSUTF8StringEncoding];Byte *bts = (Byte *)[data bytes];
Byte bt;
short v;
for (NSUInteger i = 0; i < len; i++) {
bt = bts[i];

if ((bt | 0x7F) == 0x7F) {// 0xxxxxxxASIIC編碼
continue;
}
if ((bt | 0x1F) == 0xDF) {// 110xxxxx兩個字節(jié)的字符
i += 1;
continue;
}
if ((bt | 0x0F) == 0xEF) {// 1110xxxx三個字節(jié)的字符(重點過濾項目)
// 計算Unicode下標
v = bt & 0x0F;
v = v << 6;
v |= bts[i + 1] & 0x3F;
v = v << 6;
v |= bts[i + 2] & 0x3F;

// NSLog(@"%02X%02X", (Byte)(v >> 8), (Byte)(v & 0xFF));
if ([self emojiInSoftBankUnicode:v] || [self emojiInUnicode:v]) {
return YES;
}

i += 2;
continue;
}
if ((bt | 0x3F) == 0xBF) {// 10xxxxxx10開頭,為數(shù)據(jù)字節(jié),直接過濾
continue;
}

return YES; // 不是以上情況的字符全部超過三個字節(jié),做Emoji處理
}return NO;
} 

感謝來自oscine的作者xoHome的文章跨跨。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市囱皿,隨后出現(xiàn)的幾起案子勇婴,更是在濱河造成了極大的恐慌,老刑警劉巖嘱腥,帶你破解...
    沈念sama閱讀 219,539評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件耕渴,死亡現(xiàn)場離奇詭異,居然都是意外死亡爹橱,警方通過查閱死者的電腦和手機萨螺,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,594評論 3 396
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來愧驱,“玉大人慰技,你說我怎么就攤上這事∽檠猓” “怎么了吻商?”我有些...
    開封第一講書人閱讀 165,871評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長糟红。 經(jīng)常有香客問我艾帐,道長,這世上最難降的妖魔是什么盆偿? 我笑而不...
    開封第一講書人閱讀 58,963評論 1 295
  • 正文 為了忘掉前任柒爸,我火速辦了婚禮,結(jié)果婚禮上事扭,老公的妹妹穿的比我還像新娘捎稚。我一直安慰自己,他們只是感情好求橄,可當我...
    茶點故事閱讀 67,984評論 6 393
  • 文/花漫 我一把揭開白布今野。 她就那樣靜靜地躺著,像睡著了一般罐农。 火紅的嫁衣襯著肌膚如雪条霜。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,763評論 1 307
  • 那天涵亏,我揣著相機與錄音宰睡,去河邊找鬼蒲凶。 笑死,一個胖子當著我的面吹牛夹厌,可吹牛的內(nèi)容都是我干的豹爹。 我是一名探鬼主播裆悄,決...
    沈念sama閱讀 40,468評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼矛纹,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了光稼?” 一聲冷哼從身側(cè)響起或南,我...
    開封第一講書人閱讀 39,357評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎艾君,沒想到半個月后采够,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,850評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡冰垄,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,002評論 3 338
  • 正文 我和宋清朗相戀三年蹬癌,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片虹茶。...
    茶點故事閱讀 40,144評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡逝薪,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出蝴罪,到底是詐尸還是另有隱情董济,我是刑警寧澤,帶...
    沈念sama閱讀 35,823評論 5 346
  • 正文 年R本政府宣布要门,位于F島的核電站虏肾,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏欢搜。R本人自食惡果不足惜封豪,卻給世界環(huán)境...
    茶點故事閱讀 41,483評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望炒瘟。 院中可真熱鬧吹埠,春花似錦、人聲如沸唧领。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,026評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽斩个。三九已至胯杭,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間受啥,已是汗流浹背做个。 一陣腳步聲響...
    開封第一講書人閱讀 33,150評論 1 272
  • 我被黑心中介騙來泰國打工鸽心, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人居暖。 一個月前我還...
    沈念sama閱讀 48,415評論 3 373
  • 正文 我出身青樓顽频,卻偏偏與公主長得像,于是被迫代替她去往敵國和親太闺。 傳聞我的和親對象是個殘疾皇子糯景,可洞房花燭夜當晚...
    茶點故事閱讀 45,092評論 2 355

推薦閱讀更多精彩內(nèi)容

  • 在當前這個時代(比如說公元2016年),如果你并不是在維護歷史遺留的文本處理代碼省骂,沒有在每個地方都使用Unicod...
    縱橫而樂閱讀 2,765評論 3 16
  • .h內(nèi)容 .m 內(nèi)容
    我是不是叫沒煩惱閱讀 2,613評論 1 1
  • 先補習一下Unicode 與 UTF-8的歷史演變過程 http://www.reibang.com/p/ab0d...
    愛蛇閱讀 2,869評論 0 1
  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理蟀淮,服務(wù)發(fā)現(xiàn),斷路器钞澳,智...
    卡卡羅2017閱讀 134,672評論 18 139
  • 朝陽區(qū)的伽友們約起[愉快][愉快]梵音瑜伽北京店全體員工期待你的到來
    黃英濤閱讀 252評論 0 0