程序调试时有时会报\x编码的问题,如 error code [1366]; Incorrect string value: '\xF0\x9F\xA7\xB8' for column xxx,拿到这些内容只能看明白数据库的某列存入某些特殊字符时报错了,但是不会贸然下手进行处理,本文用python2和java相结合 探索\x 与\u 编码的问题,以及尝试解决这个问题
下面用python2 来看看\x与\u显示字符串的情况
[root@node-1 ~]# python
Python 2.6.6 (r266:84292, Aug 18 2016, 15:13:37)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-17)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> str1='\xF0\x9F\xA7\xB8'
>>> str2 = unicode(str1,'utf-8')
>>> str2
u'\U0001f9f8'
>>> print str2
?
>>>
>>> str1='\xE4\xB8\x89\xE7\xBA\xA7\xE8\x8A\x82\xE7\x82\xB9'
>>> str2 = unicode(str1,'utf-8')
>>> print str2
三级节点
>>> str2
u'\u4e09\u7ea7\u8282\u70b9'
下面是python3 来显示字符串的 \x 与 \u 编码的情况
[root@localhost ~]# python
Python 3.7.3 (default, Apr 21 2019, 14:02:49)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-23)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> '北京'.encode('unicode_escape')
b'\\u5317\\u4eac'
>>> '北京'.encode('utf-8')
b'\xe5\x8c\x97\xe4\xba\xac'
>>> b'\xe5\x8c\x97\xe4\xba\xac'.decode('utf-8')
'北京'
>>> b'\xF0\x9F\xA7\xB8'.decode('utf-8').encode('unicode_escape')
b'\\U0001f9f8'
可见 encode('unicode_escape') 显示 \u 编码, encode('utf-8')显示\x编码。至此, 再也不用害怕可见 \x 编码了,有办法显示原始的字符(decode('utf-8')方法),再看不明白也可以转变为 \u 编码
下面的java方法 是将字符串转unicode
private static String string2Unicode(String str) {
StringBuffer sb = new StringBuffer();
char[] c = str.toCharArray();
for (int i = 0; i < c.length; i++) {
sb.append("\\u" + Integer.toHexString(c[i]));
}
return sb.toString();
}
其实 \xF0\x9F\xA7\xB8 是一个表情符号,下面的java代码可以将java字符串中的表情替换为#,从而解决数据库保错的问题
name = name.replaceAll("[\\ud800\\udc00-\\udbff\\udfff\\ud800-\\udfff]", "#");
也可以 将这些字符先进行编码处理,然后需要使用的时候再进行解码处理。
附: https://github.com/vdurmont/emoji-java 这个表情库有很多特殊表情处理不了,导致后续入库时报错。此时还需要辅助其他方法来解决
本文内容到此结束,更多内容可关注公众号和个人微信号: