转载自：http://blog.csdn.net/huangchao064/article/details/53283738
基本能过滤大部分的ios，安卓，微信emoji表情
有很多别的帖子搜出来很多有bug，有些表情是不能过滤的
类似于这个判断，过滤成功率有点低
private static boolean isEmojiCharacter(char codePoint) {//不能完整判断
return (codePoint == 0x0) ||
(codePoint == 0x9) ||
(codePoint == 0xA) ||
(codePoint == 0xD) ||
((codePoint >= 0x20) && (codePoint <= 0xD7FF)) ||
((codePoint >= 0xE000) && (codePoint <= 0xFFFD)) ||
((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}
*********************下面的方法过滤率就比较高了*********************
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.apache.commons.lang.StringUtils;
/**
*
* @ClassName: EmojiUtils
* @Description:过滤emoji表情
* @author: Simon
* @date: 2017年9月22日 上午11:11:00
*/
public class EmojiUtils {
public final static String unicodeReg = "[" + "u4E00-u9FBF" + // ：CJK
// 统一表意符号
// (CJK
// Unified
// Ideographs)
"u4DC0-u4DFF" + // ：易经六十四卦符号 (Yijing Hexagrams Symbols)
"u0000-u007F" + // ：C0控制符及基本拉丁文 (C0 Control and Basic Latin)
"u0080-u00FF" + // ：C1控制符及拉丁：补充-1 (C1 Control and Latin 1
// Supplement)
"u0100-u017F" + // ：拉丁文扩展-A (Latin Extended-A)
"u0180-u024F" + // ：拉丁文扩展-B (Latin Extended-B)
"u0250-u02AF" + // ：国际音标扩展 (IPA Extensions)
"u02B0-u02FF" + // ：空白修饰字母 (Spacing Modifiers)
"u0300-u036F" + // ：结合用读音符号 (Combining Diacritics Marks)
"u0370-u03FF" + // ：希腊文及科普特文 (Greek and Coptic)
"u0400-u04FF" + // ：西里尔字母 (Cyrillic)
"u0500-u052F" + // ：西里尔字母补充 (Cyrillic Supplement)
"u0530-u058F" + // ：亚美尼亚语 (Armenian)
"u0590-u05FF" + // ：希伯来文 (Hebrew)
"u0600-u06FF" + // ：阿拉伯文 (Arabic)
"u0700-u074F" + // ：叙利亚文 (Syriac)
"u0750-u077F" + // ：阿拉伯文补充 (Arabic Supplement)
"u0780-u07BF" + // ：马尔代夫语 (Thaana)
// "u07C0-u077F"+//：西非书面语言 (N'Ko)
"u0800-u085F" + // ：阿维斯塔语及巴列维语 (Avestan and Pahlavi)
"u0860-u087F" + // ：Mandaic
"u0880-u08AF" + // ：撒马利亚语 (Samaritan)
"u0900-u097F" + // ：天城文书 (Devanagari)
"u0980-u09FF" + // ：孟加拉语 (Bengali)
"u0A00-u0A7F" + // ：锡克教文 (Gurmukhi)
"u0A80-u0AFF" + // ：古吉拉特文 (Gujarati)
"u0B00-u0B7F" + // ：奥里亚文 (Oriya)
"u0B80-u0BFF" + // ：泰米尔文 (Tamil)
"u0C00-u0C7F" + // ：泰卢固文 (Telugu)
"u0C80-u0CFF" + // ：卡纳达文 (Kannada)
"u0D00-u0D7F" + // ：德拉维族语 (Malayalam)
"u0D80-u0DFF" + // ：僧伽罗语 (Sinhala)
"u0E00-u0E7F" + // ：泰文 (Thai)
"u0E80-u0EFF" + // ：老挝文 (Lao)
"u0F00-u0FFF" + // ：藏文 (Tibetan)
"u1000-u109F" + // ：缅甸语 (Myanmar)
"u10A0-u10FF" + // ：格鲁吉亚语 (Georgian)
"u1100-u11FF" + // ：朝鲜文 (Hangul Jamo)
"u1200-u137F" + // ：埃塞俄比亚语 (Ethiopic)
"u1380-u139F" + // ：埃塞俄比亚语补充 (Ethiopic Supplement)
"u13A0-u13FF" + // ：切罗基语 (Cherokee)
"u1400-u167F" + // ：统一加拿大土著语音节 (Unified Canadian Aboriginal
// Syllabics)
"u1680-u169F" + // ：欧甘字母 (Ogham)
"u16A0-u16FF" + // ：如尼文 (Runic)
"u1700-u171F" + // ：塔加拉语 (Tagalog)
"u1720-u173F" + // ：Hanunóo
"u1740-u175F" + // ：Buhid
"u1760-u177F" + // ：Tagbanwa
"u1780-u17FF" + // ：高棉语 (Khmer)
"u1800-u18AF" + // ：蒙古文 (Mongolian)
"u18B0-u18FF" + // ：Cham
"u1900-u194F" + // ：Limbu
"u1950-u197F" + // ：德宏泰语 (Tai Le)
"u1980-u19DF" + // ：新傣仂语 (New Tai Lue)
"u19E0-u19FF" + // ：高棉语记号 (Kmer Symbols)
"u1A00-u1A1F" + // ：Buginese
"u1A20-u1A5F" + // ：Batak
"u1A80-u1AEF" + // ：Lanna
"u1B00-u1B7F" + // ：巴厘语 (Balinese)
"u1B80-u1BB0" + // ：巽他语 (Sundanese)
"u1BC0-u1BFF" + // ：Pahawh Hmong
"u1C00-u1C4F" + // ：雷布查语(Lepcha)
"u1C50-u1C7F" + // ：Ol Chiki
"u1C80-u1CDF" + // ：曼尼普尔语 (Meithei/Manipuri)
"u1D00-u1D7F" + // ：语音学扩展 (Phone tic Extensions)
"u1D80-u1DBF" + // ：语音学扩展补充 (Phonetic Extensions Supplement)
"u1DC0-u1DFF" + // 结合用读音符号补充 (Combining Diacritics Marks
// Supplement)
"u1E00-u1EFF" + // ：拉丁文扩充附加 (Latin Extended Additional)
"u1F00-u1FFF" + // ：希腊语扩充 (Greek Extended)
"u2000-u206F" + // ：常用标点 (General Punctuation)
"u2070-u209F" + // ：上标及下标 (Superscripts and Subscripts)
"u20A0-u20CF" + // ：货币符号 (Currency Symbols)
"u20D0-u20FF" + // ：组合用记号 (Combining Diacritics Marks for Symbols)
"u2100-u214F" + // ：字母式符号 (Letterlike Symbols)
"u2150-u218F" + // ：数字形式 (Number Form)
"u2190-u21FF" + // ：箭头 (Arrows)
"u2200-u22FF" + // ：数学运算符 (Mathematical Operator)
"u2300-u23FF" + // ：杂项工业符号 (Miscellaneous Technical)
"u2400-u243F" + // ：控制图片 (Control Pictures)
"u2440-u245F" + // ：光学识别符 (Optical Character Recognition)
"u2460-u24FF" + // ：封闭式字母数字 (Enclosed Alphanumerics)
"u2500-u257F" + // ：制表符 (Box Drawing)
"u2580-u259F" + // ：方块元素 (Block Element)
"u25A0-u25FF" + // ：几何图形 (Geometric Shapes)
"u2600-u26FF" + // ：杂项符号 (Miscellaneous Symbols)
"u2700-u27BF" + // ：印刷符号 (Dingbats)
"u27C0-u27EF" + // ：杂项数学符号-A (Miscellaneous Mathematical
// Symbols-A)
"u27F0-u27FF" + // ：追加箭头-A (Supplemental Arrows-A)
"u2800-u28FF" + // ：盲文点字模型 (Braille Patterns)
"u2900-u297F" + // ：追加箭头-B (Supplemental Arrows-B)
"u2980-u29FF" + // ：杂项数学符号-B (Miscellaneous Mathematical
// Symbols-B)
"u2A00-u2AFF" + // ：追加数学运算符 (Supplemental Mathematical Operator)
"u2B00-u2BFF" + // ：杂项符号和箭头 (Miscellaneous Symbols and Arrows)
"u2C00-u2C5F" + // ：格拉哥里字母 (Glagolitic)
"u2C60-u2C7F" + // ：拉丁文扩展-C (Latin Extended-C)
"u2C80-u2CFF" + // ：古埃及语 (Coptic)
"u2D00-u2D2F" + // ：格鲁吉亚语补充 (Georgian Supplement)
"u2D30-u2D7F" + // ：提非纳文 (Tifinagh)
"u2D80-u2DDF" + // ：埃塞俄比亚语扩展 (Ethiopic Extended)
"u2E00-u2E7F" + // ：追加标点 (Supplemental Punctuation)
"u2E80-u2EFF" + // ：CJK 部首补充 (CJK Radicals Supplement)
"u2F00-u2FDF" + // ：康熙字典部首 (Kangxi Radicals)
"u2FF0-u2FFF" + // ：表意文字描述符 (Ideographic Description Characters)
"u3000-u303F" + // ：CJK 符号和标点 (CJK Symbols and Punctuation)
"u3040-u309F" + // ：日文平假名 (Hiragana)
"u30A0-u30FF" + // ：日文片假名 (Katakana)
"u3100-u312F" + // ：注音字母 (Bopomofo)
"u3130-u318F" + // ：朝鲜文兼容字母 (Hangul Compatibility Jamo)
"u3190-u319F" + // ：象形字注释标志 (Kanbun)
"u31A0-u31BF" + // ：注音字母扩展 (Bopomofo Extended)
"u31C0-u31EF" + // ：CJK 笔画 (CJK Strokes)
"u31F0-u31FF" + // ：日文片假名语音扩展 (Katakana Phonetic Extensions)
"u3200-u32FF" + // ：封闭式 CJK 文字和月份 (Enclosed CJK Letters and
// Months)
"u3300-u33FF" + // ：CJK 兼容 (CJK Compatibility)
"u3400-u4DBF" + // ：CJK 统一表意符号扩展 A (CJK Unified Ideographs
// Extension A)
"u4DC0-u4DFF" + // ：易经六十四卦符号 (Yijing Hexagrams Symbols)
"u4E00-u9FBF" + // ：CJK 统一表意符号 (CJK Unified Ideographs)
"uA000-uA48F" + // ：彝文音节 (Yi Syllables)
"uA490-uA4CF" + // ：彝文字根 (Yi Radicals)
"uA500-uA61F" + // ：Vai
"uA660-uA6FF" + // ：统一加拿大土著语音节补充 (Unified Canadian Aboriginal
// Syllabics Supplement)
"uA700-uA71F" + // ：声调修饰字母 (Modifier Tone Letters)
"uA720-uA7FF" + // ：拉丁文扩展-D (Latin Extended-D)
"uA800-uA82F" + // ：Syloti Nagri
"uA840-uA87F" + // ：八思巴字 (Phags-pa)
"uA880-uA8DF" + // ：Saurashtra
"uA900-uA97F" + // ：爪哇语 (Javanese)
"uA980-uA9DF" + // ：Chakma
"uAA00-uAA3F" + // ：Varang Kshiti
"uAA40-uAA6F" + // ：Sorang Sompeng
"uAA80-uAADF" + // ：Newari
"uAB00-uAB5F" + // ：越南傣语 (Vi?t Thái)
"uAB80-uABA0" + // ：Kayah Li
"uAC00-uD7AF" + // ：朝鲜文音节 (Hangul Syllables)
// "uD800-uDBFF"+//：High-half zone of UTF-16
// "uDC00-uDFFF"+//：Low-half zone of UTF-16
"uE000-uF8FF" + // ：自行使用区域 (Private Use Zone)
"uF900-uFAFF" + // ：CJK 兼容象形文字 (CJK Compatibility Ideographs)
"uFB00-uFB4F" + // ：字母表达形式 (Alphabetic Presentation Form)
"uFB50-uFDFF" + // ：阿拉伯表达形式A (Arabic Presentation Form-A)
"uFE00-uFE0F" + // ：变量选择符 (Variation Selector)
"uFE10-uFE1F" + // ：竖排形式 (Vertical Forms)
"uFE20-uFE2F" + // ：组合用半符号 (Combining Half Marks)
"uFE30-uFE4F" + // ：CJK 兼容形式 (CJK Compatibility Forms)
"uFE50-uFE6F" + // ：小型变体形式 (Small Form Variants)
"uFE70-uFEFF" + // ：阿拉伯表达形式B (Arabic Presentation Form-B)
"uFF00-uFFEF" + // ：半型及全型形式 (Halfwidth and Fullwidth Form)
"uFFF0-uFFFF]";// ：特殊 (Specials);
/**
* 将字符串转成unicode
*
* @param str
* 待转字符串
* @return unicode字符串
*/
public static String convert(String str) {
str = (str == null ? "" : str);
String tmp;
StringBuffer sb = new StringBuffer(1000);
char c;
int i, j;
sb.setLength(0);
for (i = 0; i < str.length(); i++) {
c = str.charAt(i);
sb.append("\u");
j = (c >>> 8); // 取出高8位
tmp = Integer.toHexString(j);
if (tmp.length() == 1) {
sb.append("0");
}
sb.append(tmp);
j = (c & 0xFF); // 取出低8位
tmp = Integer.toHexString(j);
if (tmp.length() == 1) {
sb.append("0");
}
sb.append(tmp);
}
return (new String(sb).toUpperCase());
}
/**
* 2)unicode转成字符串，与上述过程反向操作即可 将unicode 字符串
*
* @param str
* 待转字符串
* @return 普通字符串
*/
public static String revert(String str) {
str = (str == null ? "" : str);
if (str.indexOf("\u") == -1)// 如果不是unicode码则原样返回
return str;
StringBuffer sb = new StringBuffer(1000);
for (int i = 0; i < str.length() - 6;) {
String strTemp = str.substring(i, i + 6);
String value = strTemp.substring(2);
int c = 0;
for (int j = 0; j < value.length(); j++) {
char tempChar = value.charAt(j);
int t = 0;
switch (tempChar) {
case 'a':
t = 10;
break;
case 'b':
t = 11;
break;
case 'c':
t = 12;
break;
case 'd':
t = 13;
break;
case 'e':
t = 14;
break;
case 'f':
t = 15;
break;
default:
t = tempChar - 48;
break;
}
c += t * ((int) Math.pow(16, (value.length() - j - 1)));
}
sb.append((char) c);
i = i + 6;
}
return sb.toString();
}
/**
*
* @author: Simon
* @Description:传入需要过滤的字符
* @date: 2017年9月22日 上午11:11:33
* @param string
* @return
*/
public static String emojiChange(String string) {
// System.out.println("__________________________________");
try {
// System.out.println("all-string:"+string);
// System.out.println("all-unicode:"+convert(string));
Pattern pattern = Pattern.compile(unicodeReg);
StringBuffer sbBuffer = new StringBuffer();
for (int i = 0; i < string.length(); i++) {
char c = string.charAt(i);
String temp = String.valueOf(c);
Matcher matcher = pattern.matcher(temp);
if (matcher.find()) {
sbBuffer.append(temp);
} else {
sbBuffer.append("□");
}
// System.out.println("temp:"+temp+";unicode:"+convert(temp));
}
// System.out.println("sb:"+sbBuffer.toString());
// System.out.println("--------------------------------------");
return sbBuffer.toString();
} catch (Exception e) {
e.printStackTrace();
}
return "";
}
}