【轉】【異常處理】Incorrect string value: '\xF0\x90\x8D\x83...' for column... Emoji表情字符過濾的Java實現

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

Emoji表情字符現在在APP已經廣泛支持了。但是MySQL的UTF8編碼對Emoji字符的支持卻不是那么好。所以我們經常會遇到這樣的異常：

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

 

原因是Mysql里UTF8編碼最多只能支持3個字節，而Emoji表情字符使用的UTF8編碼，很多都是4個字節，有些甚至是6個字節。

 

解決的方案有兩種：

1.使用utf8mb4的mysql編碼來容納這些字符。

2.過濾掉這些特殊的表情字符。

 

關於第一種解決方法，請參考：http://segmentfault.com/a/1190000000616820 和 http://info.michael-simons.eu/2013/01/21/Java-mysql-and-multi-byte-utf-8-support/

有大量細節需要注意，例如：mysql版本，mysql的配置，mysql connector的版本等等。。

 

因為我們使用的雲數據庫，所以我選擇了過濾這些特殊字符。其實過濾的方式很簡單，直接使用正則表達式匹配編碼范圍，然后替換就行了。

 

下面是我的代碼。

 

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

 

import org.apache.commons.lang3.StringUtils;

public class EmojiFilterUtils {

    /**
     * 將emoji表情替換成*
     *
     * @param source
     * @return 過濾后的字符串
     */
    public static String filterEmoji(String source) {
        if(StringUtils.isNotBlank(source)){
            return source.replaceAll("[\\ud800\\udc00-\\udbff\\udfff\\ud800-\\udfff]", "*");
        }else{
            return source;
        }
    }
    public static void main(String[] arg ){
        try{
            String text = "This is a smiley \uD83C\uDFA6 face\uD860\uDD5D \uD860\uDE07 \uD860\uDEE2 \uD863\uDCCA \uD863\uDCCD \uD863\uDCD2 \uD867\uDD98 ";
            System.out.println(text);
            System.out.println(text.length());
            System.out.println(text.replaceAll("[\\ud83c\\udc00-\\ud83c\\udfff]|[\\ud83d\\udc00-\\ud83d\\udfff]|[\\u2600-\\u27ff]", "*"));
            System.out.println(filterEmoji(text));
        }catch (Exception ex){
            ex.printStackTrace();
        }
    }
}