Emoji表情(以及大多数Unicode字符)在存储到MySQL数据库时,通常需要确保数据库、表和列都使用支持Unicode的字符集和校对规则。最常用的Unicode字符集是utf8mb4,因为支持所有Unicode字符,包括Emoji表情。实际开发中,数据存储的时候需要对所有的Emoji表情进行UTF-8统一编码并且需要确保能在不同平台中进行解码和显示。
(基础知识)位、字节、字符
在Java中,位(bit)、字节(byte)和字符(char)是三种基本的数据单位,各自具有特定的概念和用途。
位(bit)是计算机存储和处理信息的最小单位,只能表示两种状态:0或1。在Java中,位并没有对应的基本数据类型,而是作为最小的信息单元用于表示和操作数据。位操作常用于位掩码、位字段和位运算等场景。
字节(byte)是计算机信息技术用于计量存储容量的一种计量单位,也是Java中最小的内存单元。由8个二进制位(bit)组成,可以表示2^8种不同的状态,0到255之间的整数值。字节类型用关键字byte表示。
字符(char)是Java中用来表示Unicode字符的数据类型。由16个二进制位(即2个字节)组成,可以表示更多的字符,包括英文字母、数字、标点符号、中文汉字以及其他特殊字符。字符类型用关键字char表示。
三者之间的主要区别在于其表示信息的粒度不同,位是最小的单位,字节次之,字符则相对较大。
UTF-8编码中,字节和字符对应关系
在UTF-8编码中,字节和字符的对应关系并不是一对一的固定关系,根据字符的不同而有所变化。UTF-8是一种可变长度的编码方式,设计目标是向后兼容ASCII字符集。
对于U+0080到U+07FF范围内的字符(例如带有变音符号的拉丁字母等),UTF-8使用2个字节来表示。
对于U+0800到U+FFFF范围内的字符(包括大部分常用的中日韩文字、东南亚文字、中东文字等),UTF-8使用3个字节来表示。
对于U+10000到U+10FFFF范围内的字符(包括一些较为罕见的字符),UTF-8使用4个字节来表示。
在UTF-8编码中,中文字符(包括简体和繁体)的编码通常占用3个字节,中文标点也占用3个字节。英文字符(包括大小写字母)和英文标点在UTF-8编码中则分别占用1个字节。
String类的length()和codePointCount()的区别
String类的length()和codePointCount()方法的主要区别在于计算字符串长度的方式不同。
Emoji编解码
对整段字符进行编码(正常字符串)
try {
//编码
String encodeStr = URLDecoder.decode("字符串", StandardCharsets.UTF_8.name());
//解码
String decodeStr = URLDecoder.decode(encodeStr, StandardCharsets.UTF_8.name());
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
Emoij表情进行单独编码,只对Emoji表情编码,其他字符不编码,只需处理Unicode码点即可,解码的时候直接对整段解码。
public class EmojiUtils {
/**
* 对emoji表情单独编码
*/
public static String escape(String src){
//1.得到代码点数量,也即是实际字符数,注意和length()的区别
//举例:
//一个emoji表情是一个字符,codePointCount()是1,length()是2。
//但是遇到过一个emoji表情居然带着空格符号,结果它的codePointCount()是2,length()也是2,实际上单独拎emoji来说,它的length()应该说是1才对了。
//推测这就是它们是否属于增补字符范围内,length=2的是增补字符,length=1的不是。
int cpCount = src.codePointCount(0, src.length());
//2.得到字符串的第一个代码点index,和最后一个代码点index
//举例:比如3个emoji表情,那么它的cpCount=3;firCodeIndex=0;lstCodeIndex=4
//因为每个emoji表情length()是2,所以第一个是0-1,第二个是2-3,第三个是4-5
int firCodeIndex = src.offsetByCodePoints(0, 0);
int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
StringBuilder sb = new StringBuilder();
int index = firCodeIndex;
while (index