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 ""; } }