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。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持菜鸟教程(cainiaojc.com)。

声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:notice#cainiaojc.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。