前言

開發(fā)過程中驼侠，遇到了帶有Emoji表情的字符串無法存入后臺(tái)數(shù)據(jù)庫(kù)問題姿鸿。原因是Mysql的utf8編碼最多3個(gè)字節(jié)，而Emoji表情或者某些特殊字符是4個(gè)字節(jié)倒源，所以數(shù)據(jù)插不進(jìn)去苛预。這種問題應(yīng)該交給后臺(tái)處理，如果后臺(tái)不處理笋熬，則ios和Andriod要統(tǒng)一對(duì)emoji表情編碼热某，這里采用UTF-8編碼，在解決這個(gè)問題之前胳螟，先對(duì)以下相關(guān)知識(shí)做個(gè)了解昔馋。

相關(guān)知識(shí)

1.位、字節(jié)糖耸、字符的概念和區(qū)別秘遏。

位（bit）： 數(shù)據(jù)存儲(chǔ)的最小單位，每個(gè)二進(jìn)制數(shù)字0或者1就是1個(gè)
位嘉竟，比如 11010101是一個(gè)八位二進(jìn)制數(shù)邦危。
字節(jié)（byte）：8個(gè)位構(gòu)成一個(gè)字節(jié)；即：1 byte (字節(jié))= 8 bit(位)舍扰；1 KB = 1024 B(字節(jié))倦蚪；
字符： 是指計(jì)算機(jī)中使用的字母、數(shù)字边苹、字和符號(hào)陵且，也就是用戶能看到的。
字符集： 各種各個(gè)字符的集合勾给，也就是某些漢字滩报、字母（A、b播急、c）和符號(hào)（空格脓钾、引號(hào)..）會(huì)被收入標(biāo)準(zhǔn)中；例如ASCii字符集桩警，gb2312字符集可训，Unicode字符集等。
編碼： 規(guī)定每個(gè)“字符”分別用一個(gè)字節(jié)還是多個(gè)字節(jié)存儲(chǔ)捶枢，用哪些字節(jié)來存儲(chǔ)握截，這個(gè)規(guī)定就叫做“編碼”。通俗來講烂叔，編碼就是按照規(guī)則對(duì)字符進(jìn)行翻譯成對(duì)應(yīng)的二進(jìn)制數(shù)谨胞，在計(jì)算器中運(yùn)行存儲(chǔ)，用戶看的時(shí)候蒜鸡，再解碼顯示成用戶能看得懂的胯努。

2.UTF-8編碼中，字節(jié)和字符的對(duì)應(yīng)關(guān)系逢防。

1個(gè)英文字符 和 英文標(biāo)點(diǎn) = 1個(gè)字節(jié)
1個(gè)中文（含繁體） 和 中文標(biāo)點(diǎn) = 3個(gè)字節(jié)
Emoji表情 和 某些特殊字符 = 4個(gè)字節(jié)

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

length():返回的是使用的UTF-16編碼的字符代碼單元數(shù)量叶沛，不一定是我們認(rèn)為的字符個(gè)數(shù)。
codePointCount()：返回的是代碼點(diǎn)數(shù)量忘朝，是實(shí)際的字符個(gè)數(shù)灰署。
例如1個(gè)Emoji表情是一個(gè)字符，codePointCount()是1局嘁，但是length()是2溉箕。
原因：
常用的UniCode字符使用一個(gè)代碼單元就可以表示（如英文、數(shù)字悦昵、中文）约巷，但有些輔助字符需要一對(duì)代碼單元表示（如Emoji表情）。length()計(jì)算的是代碼單元的數(shù)量旱捧，codePointCount()計(jì)算的是代碼點(diǎn)數(shù)独郎。

補(bǔ)充：
有的emoji表情codePointCount()是2，length()也是2枚赡，因?yàn)樗鼈兛赡軘y帶著一個(gè)我們看不到的符號(hào)氓癌，代碼打印能看到，這可能就涉及到是否增補(bǔ)字符的問題了贫橙。

實(shí)例

對(duì)含有emoji表情的字符串進(jìn)行UTF-8編解碼

image.png

對(duì)整段字符進(jìn)行編碼

這種方式簡(jiǎn)單便捷贪婉，如無特殊情況，這么處理就足夠了卢肃。最后顯示的都是帶%號(hào)的字符串疲迂，例如：%E5%93%88

try {
     //編碼
    String encodeStr = URLEncoder.encode(src, "UTF-8");
    //解碼
    String decodeStr = URLDecoder.decode(encodeStr, "UTF-8");
} catch (UnsupportedEncodingException e) {
    e.printStackTrace();
}

對(duì)Emoij表情單獨(dú)編碼

如果遇到特殊要求才顿，只對(duì)emoji表情編碼，其他字符不編碼尤蒿，那就要用到codePointCount()了郑气，解碼的時(shí)候直接對(duì)整段解碼即可。

public class EmojiUtils {

    /**
     * 對(duì)emoji表情單獨(dú)編碼
     * @param src
     * @return
     */
    public static String escape(String src){
        //1.得到代碼點(diǎn)數(shù)量腰池，也即是實(shí)際字符數(shù)尾组，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示弓，length()是2讳侨。
        //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奏属，length()也是2跨跨，實(shí)際上單獨(dú)拎emoji來說，它的length()應(yīng)該說是1才對(duì)了囱皿。
        //推測(cè)這就是它們是否屬于增補(bǔ)字符范圍內(nèi)歹叮，length=2的是增補(bǔ)字符，length=1的不是铆帽。
        int cpCount = src.codePointCount(0, src.length());

        //2.得到字符串的第一個(gè)代碼點(diǎn)index咆耿，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爹橱；firCodeIndex=0萨螺；lstCodeIndex=4
        //因?yàn)槊總€(gè)emoji表情length()是2，所以第一個(gè)是0-1愧驱，第二個(gè)是2-3慰技，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
            //注意组砚，codePointAt(int) 這個(gè)int對(duì)應(yīng)的是codeIndex
            //舉例:3個(gè)emoji表情吻商，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編碼糟红，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)艾帐。
            //因?yàn)槌吮砬椋€有些特殊字符也是在增補(bǔ)字符方位內(nèi)的盆偿。
            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
     * @param codePoint
     * @return
     */
    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在第二平面以上的柒爸，char都不可以存，全部都轉(zhuǎn)
    }
}

參考

https://blog.csdn.net/u014166319/article/details/71308112
https://www.cnblogs.com/mojxtang/p/10154907.html