原文链接:https://www.cnblogs.com/SimonHu1993/p/7573868.html
mysql无法压缩存储表情compress(str),就选择过滤把emoji表情符号替换成□。查了unicode码表，做了一个过滤的工具类,使用正则表达式过滤表情字符,有更好解决方案欢迎留言
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 ""; } }