Java emoji持久化mysql过程详解

前言

好久没有更新博客了，今天和大家分享一个关于emoji表情持久化问题，相信做web开发的都遇到过这样的问题，因为我们知道mysql的utf-8字符集保存不了保存不了表情字符，这是为什么呢？因为普通的字符串或者表情都是占位3个字节，所以utf8足够用了，但是移动端的表情符号占位是4个字节，普通的utf8就不够用了，为了应对无线互联网的机遇和挑战、避免 emoji 表情符号带来的问题、涉及无线相关的 MySQL 数据库建议都提前采用 utf8mb4 字符集，这必须要作为移动互联网行业的一个技术选型的要点。

好了看到上面的结果你是不是已经去修改数据库字符集了，如果你是个人项目或小项目上面的方法倒是一个解决方法，但是对于一个目前正在服务5000W用户的系统，上面的方式就有点不合适了，针对这种情况我这边总结了三种处理方式，下面分享给大家：

1、既然是由于移动端的表情符号占位是4个字节，那我们直接把数据转换后保存。

1.URLEncoder.encode(String s, String enc)

使用指定的编码机制将字符串转换为 application/x-www-form-urlencoded 格式

URLDecoder.decode(String s, String enc)

使用指定的编码机制对 application/x-www-form-urlencoded 字符串解码。

2、方法一的处理太粗躁，有没有更好的解决办法呢？使用轻量级工具emoji-java处理emoji表情字符

github地址：https://github.com/vdurmont/emoji-java

具体使用方式，大家可以进入git中自行查看。

3、有了上面两种方式，你是不是已经满足了，最为自己最推崇的emoji处理方式，下面才是重点，首先说一下上面两种方式存在的问题：第一种方式，数据经过转换，相当于加密，我们将无法直接查看到数据的原始内容，由其对于需要进行搜索的业务场景，将是一件很困难的事情；第二种方式，虽然避免了第一种方式存在的问题，但是它基于表情的对照表进行匹配转换的，也就意味着对于一些新表情，无法做到转换，这就会导致我们数据插入继续出现问题，这是它第一个问题，第二点在于它将表情转化为对应的匹配规则，说白一点就是转化为英文描述，就是这个转化，原本4个字节的表情，它可能给你转成了10个字节甚至更多。好了说了这么多下面我们看一下我最后的终极解决方法：

/**
* @Author: gaoshang
* @Description:
* @Date: 2019/7/19
*/
public class EmojiUtil {

/**
 * 将文本中的表情转为十六进制
 * <p>
 *
 * @param input
 * @return
 */
public static String parseFromAliases(String input) {
 if (input == null) {
  return input;
 }

return stringToUnicode(input);
}

/**
 * 将文本中的十六进制转为表情
 * <p>
 *
 * @param input
 * @return
 */
public static String parseToAliases(String input) {
 if (input == null) {
  return input;
 }

return unicodeToString(input);
}

/**
 * 字符串转unicode
 *
 * @param str
 * @return
 */
public static String stringToUnicode(String str) {
 StringBuilder sb = new StringBuilder();
 StringBuilder cacheSB = new StringBuilder();
 char[] c = str.toCharArray();
 for (int i = 0; i < c.length; i++) {
  if (!isEmojiCharacter(c[i])) {
   if (cacheSB.length() > 0) {
    sb.append("\\u").append(cacheSB);
    cacheSB.delete(0, cacheSB.length());
   }

sb.append("\\u").append("[").append(Integer.toHexString(c[i])).append("]");
  } else {
   if (c[i] == '[' || c[i] == '\\' || c[i] == ']') {
    if (cacheSB.length() > 0) {
     sb.append("\\u").append(cacheSB);
     cacheSB.delete(0, cacheSB.length());
    }
    sb.append("\\u").append(c[i]);
   } else {
    cacheSB.append(c[i]);
   }
  }
 }
 if (cacheSB.length() > 0) {
  if (sb.length() > 0) {
   sb.append("\\u");
  }
  sb.append(cacheSB);
 }
 return sb.toString();
}

/**
 * unicode转字符串
 *
 * @param unicode
 * @return
 */
public static String unicodeToString(String unicode) {
 StringBuilder sb = new StringBuilder();
 String[] hex = unicode.split("\\\\u");
 for (int i = 0; i < hex.length; i++) {
  if (hex[i].indexOf("[") == 0 && hex[i].indexOf("]") == hex[i].length() - 1) {
   try {
    int index = Integer.parseInt(hex[i].substring(1, hex[i].length() - 1), 16);
    sb.append((char) index);
   } catch (NumberFormatException e) {
    sb.append(hex[i]);
   }
  } else {
   sb.append(hex[i]);
  }
 }
 return sb.toString();
}

private static boolean isEmojiCharacter(char codePoint) {
 return (codePoint == 0x0) || (codePoint == 0x9) || (codePoint == 0xA)
   || (codePoint == 0xD)
   || ((codePoint >= 0x20) && (codePoint <= 0xD7FF))
   || ((codePoint >= 0xE000) && (codePoint <= 0xFFFD))
   || ((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}

}

好了就先这样，欢迎大家提出不同的看法，已经好的解决方案。

来源：https://www.cnblogs.com/AndroidJotting/p/11253202.html