如何在Java中高效處理和編碼Emoji表情，包括編碼、解碼和過濾方法
Emoji表情（以及大多數(shù)Unicode字符）在存儲到MySQL數(shù)據(jù)庫時，通常需要確保數(shù)據(jù)庫、表和列都使用支持Unicode的字符集和校對規(guī)則。最常用的Unicode字符集是utf8mb4，因為支持所有Unicode字符，包括Emoji表情。實際開發(fā)中，數(shù)據(jù)存儲的時候需要對所有的Emoji表情進行UTF-8統(tǒng)一編碼并且需要確保能在不同平臺中進行解碼和顯示。
(基礎(chǔ)知識)位、字節(jié)、字符
在Java中，位（bit）、字節(jié)（byte）和字符（char）是三種基本的數(shù)據(jù)單位，各自具有特定的概念和用途。
位（bit）是計算機存儲和處理信息的最小單位，只能表示兩種狀態(tài)：0或1。在Java中，位并沒有對應(yīng)的基本數(shù)據(jù)類型，而是作為最小的信息單元用于表示和操作數(shù)據(jù)。位操作常用于位掩碼、位字段和位運算等場景。
字節(jié)（byte）是計算機信息技術(shù)用于計量存儲容量的一種計量單位，也是Java中最小的內(nèi)存單元。由8個二進制位（bit）組成，可以表示2^8種不同的狀態(tài)，0到255之間的整數(shù)值。字節(jié)類型用關(guān)鍵字byte表示。
字符（char）是Java中用來表示Unicode字符的數(shù)據(jù)類型。由16個二進制位（即2個字節(jié)）組成，可以表示更多的字符，包括英文字母、數(shù)字、標點符號、中文漢字以及其他特殊字符。字符類型用關(guān)鍵字char表示。
三者之間的主要區(qū)別在于其表示信息的粒度不同，位是最小的單位，字節(jié)次之，字符則相對較大。
UTF-8編碼中，字節(jié)和字符對應(yīng)關(guān)系
在UTF-8編碼中，字節(jié)和字符的對應(yīng)關(guān)系并不是一對一的固定關(guān)系，根據(jù)字符的不同而有所變化。UTF-8是一種可變長度的編碼方式，設(shè)計目標是向后兼容ASCII字符集。
- 對于ASCII字符集中的字符（0-127范圍內(nèi)的字符，包括英文字符、數(shù)字和一些控制字符），UTF-8編碼與ASCII編碼完全一致。這些字符在UTF-8編碼中只占用1個字節(jié)。
- 對于其他Unicode字符，UTF-8使用多字節(jié)的序列來表示。具體的字節(jié)數(shù)取決于字符的Unicode碼點范圍：
對于U+0080到U+07FF范圍內(nèi)的字符（例如帶有變音符號的拉丁字母等），UTF-8使用2個字節(jié)來表示。
對于U+0800到U+FFFF范圍內(nèi)的字符（包括大部分常用的中日韓文字、東南亞文字、中東文字等），UTF-8使用3個字節(jié)來表示。
對于U+10000到U+10FFFF范圍內(nèi)的字符（包括一些較為罕見的字符），UTF-8使用4個字節(jié)來表示。
在UTF-8編碼中，中文字符（包括簡體和繁體）的編碼通常占用3個字節(jié)，中文標點也占用3個字節(jié)。英文字符（包括大小寫字母）和英文標點在UTF-8編碼中則分別占用1個字節(jié)。
String類的length()和codePointCount()的區(qū)別
String類的length()和codePointCount()方法的主要區(qū)別在于計算字符串長度的方式不同。
- 「計算單位」：length()方法返回的是字符串中的字符數(shù)，codePointCount()方法返回的是字符串中的Unicode碼點數(shù)。
- 「處理Unicode碼點」：length()方法不能處理Unicode碼點，codePointCount()方法可以處理。在處理包含Unicode補充字符（如某些表情符號或特殊字符）的字符串時，codePointCount()方法能夠更準確地計算長度。
- 「適用場景」：由于Unicode碼點能夠表示更廣泛的字符集，codePointCount()方法在處理包含多種語言字符或特殊字符的字符串時更為適用。length()方法則更適用于處理ASCII字符集或不包含Unicode補充字符的字符串。
Emoji編解碼
對整段字符進行編碼(正常字符串)
try {
//編碼
String encodeStr = URLDecoder.decode("字符串", StandardCharsets.UTF_8.name());
//解碼
String decodeStr = URLDecoder.decode(encodeStr, StandardCharsets.UTF_8.name());
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}Emoij表情進行單獨編碼，只對Emoji表情編碼，其他字符不編碼，只需處理Unicode碼點即可，解碼的時候直接對整段解碼。
public class EmojiUtils {
/**
* 對emoji表情單獨編碼
*/
public static String escape(String src){
//1.得到代碼點數(shù)量，也即是實際字符數(shù)，注意和length()的區(qū)別
//舉例：
//一個emoji表情是一個字符，codePointCount()是1，length()是2。
//但是遇到過一個emoji表情居然帶著空格符號，結(jié)果它的codePointCount()是2，length()也是2，實際上單獨拎emoji來說，它的length()應(yīng)該說是1才對了。
//推測這就是它們是否屬于增補字符范圍內(nèi)，length=2的是增補字符，length=1的不是。
int cpCount = src.codePointCount(0, src.length());
//2.得到字符串的第一個代碼點index，和最后一個代碼點index
//舉例：比如3個emoji表情，那么它的cpCount=3；firCodeIndex=0；lstCodeIndex=4
//因為每個emoji表情length()是2，所以第一個是0-1，第二個是2-3，第三個是4-5
int firCodeIndex = src.offsetByCodePoints(0, 0);
int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
StringBuilder sb = new StringBuilder();
int index = firCodeIndex;
while (index<=lstCodeIndex){
//3.獲得代碼點，判斷是否是emoji表情
//注意，codePointAt(int) 這個int對應(yīng)的是codeIndex
//舉例:3個emoji表情，取第3個emoji表情，index應(yīng)該是4
int codepoint = src.codePointAt(index);
if (!isEmojiCharacter(codepoint)) {
sb.append((char) codepoint);
}else{
try {
//4.對emoji表情UTF-8編碼，判斷是否是增補字符范圍內(nèi)
int length = Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
String encoderStr = URLEncoder.encode(src.substring(index,index + length), "UTF-8");
sb.append(encoderStr);
} catch (UnsupportedEncodingException e) {
}
}
//4.確定指定字符（Unicode代碼點）是否在增補字符范圍內(nèi)。
//因為除了表情，還有些特殊字符也是在增補字符方位內(nèi)的。
index += Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
}
return sb.toString();
}
/**
* 過濾掉emoji表情
* @param src
* @return
*/
public static String filter(String src) {
if (src == null) {
return null;
}
//得到codePointCount
int cpCount = src.codePointCount(0, src.length());
int firCodeIndex = src.offsetByCodePoints(0, 0);
int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
StringBuilder sb = new StringBuilder(src.length());
for (int index = firCodeIndex; index <= lstCodeIndex;) {
//遍歷每個codePoint
int codepoint = src.codePointAt(index);
if (!isEmojiCharacter(codepoint)) {
System.err.println("codepoint:" + Integer.toHexString(codepoint));
sb.append((char) codepoint);
}
index += ((Character.isSupplementaryCodePoint(codepoint)) ? 2 : 1);
}
return sb.toString();
}
/**
* 是否是Emoji表情
*/
private static boolean isEmojiCharacter(int codePoint) {
return (codePoint >= 0x2600 && codePoint <= 0x27BF) // 雜項符號與符號字體
|| codePoint == 0x303D || codePoint == 0x2049 || codePoint == 0x203C
|| (codePoint >= 0x2000 && codePoint <= 0x200F)//
|| (codePoint >= 0x2028 && codePoint <= 0x202F)//
|| codePoint == 0x205F //
|| (codePoint >= 0x2065 && codePoint <= 0x206F)//
/* 標點符號占用區(qū)域 */
|| (codePoint >= 0x2100 && codePoint <= 0x214F)// 字母符號
|| (codePoint >= 0x2300 && codePoint <= 0x23FF)// 各種技術(shù)符號
|| (codePoint >= 0x2B00 && codePoint <= 0x2BFF)// 箭頭A
|| (codePoint >= 0x2900 && codePoint <= 0x297F)// 箭頭B
|| (codePoint >= 0x3200 && codePoint <= 0x32FF)// 中文符號
|| (codePoint >= 0xD800 && codePoint <= 0xDFFF)// 高低位替代符保留區(qū)域
|| (codePoint >= 0xE000 && codePoint <= 0xF8FF)// 私有保留區(qū)域
|| (codePoint >= 0xFE00 && codePoint <= 0xFE0F)// 變異選擇器
|| codePoint >= 0x10000; // Plane在第二平面以上的，char都不可以存，全部都轉(zhuǎn)
}
}
