javascript过滤emoji

虽然标题是“过滤”emoji，但其实并不只是除去了emoji。

写在开头（str＝'你需要过滤的字符串'）

1、根据业务需求，输入的内容只有中文，英文和常用符号，那么只需要将不符合这几个条件的字符去掉就行

　 过滤代码：var reg = /[^\u4e00-\u9fa5|\u0000-\u00ff|\u3002|\uFF1F|\uFF01|\uff0c|\u3001|\uff1b|\uff1a|\u3008-\u300f|\u2018|\u2019|\u201c|\u201d|\uff08|\uff09|\u2014|\u2026|\u2013|\uff0e]/g;

　　　　　　str = str.replace(reg,'');

 

2、有的数据库因为设置的是utf8的编码，导致如果你插入的数据中如果有4个字节的emoji表情（其实不止emoji表情），插入数据失败；

     这样前台无法成功提交内容不说，还看到你返回的一串错误代码提示（尴尬。。。。），在不修改数据库编码情况下，可以用下面的

     代码过滤掉4个字节的字符（这个并不会将emoji都过滤掉，但是数据库插入操作不会报错）

    过滤代码：str = str.replace(/([\ud800-\udbff][\u0000-\uffff])/g,'')

 

3、根据网上查的资料得出的大范围扑杀过滤代码，这个方法当时没发现漏网之鱼，中文也不会被过滤掉；（后来发现有中文的全角符号被

     过滤掉了。。。。慎用）

    过滤代码： str = unescape(escape(str).replace(/\%uD.{3}|\%u2.{3}|\%uf.{3}|\%A9|\%AE/ig,''))

 

　　一开始想先将emoji的编码范围查出来，再过滤掉的。然而。。。这emoji的编码范围一直在变大，而且范围也不是连续的，这表示你无法

涵盖所有的emoji编码，除非你不停的更新你的过滤代码。

　　方法3中后面的'%A9'和'%AE'就是后来发现的’漏网之鱼‘，而这也表示并不是所有的emoji表情都是4个字节；

 

　　如果业务需求和方法1比较相似，要注意，普遍的中文字符编码范围［\u4e00-\u9fa5］并不包括一些全角的中文符号，比如：'《'，

　　所以在过滤的时候要将这些全角的编码范围加上，下面是网上找到的中文全角符号的编码：

　　

名称　　Unicode　符号                     名称　　Unicode　符号

句号　　　 3002　　。　　　               引号　　　 201C　　“　

问号　　　 FF1F　　？　　　                               201D　　”　

叹号　　     FF01　　！　　　              括号　　　 FF08　　（　

                                                                      FF09　　）　

逗号　　　 FF0C　　，                       括号　　　 3014　　〔　　

顿号　　　 3001　　、　　　                              3015　　〕　　

分号　　　 FF1B　　；　　　               括号　　　 3010　　【　　

冒号　　　 FF1A　　：　　　                              3011　　】　　

 

引号　　　 300C　　「　　　              破折号　     2014　　—　　

　　　　　 300D　　」　　　              省略号  　   2026　　…　　　

引号　　　 300E　　『　　　              连接号　     2013　　–　　　

　　　　　 300F　　』　　　              间隔号　     FF0E　　．　　

引号　　　 2018　　‘　　　                书名号  　   300A　 《　　

　　　　　 2019　　’　　                                   300B　　》　　

                                                     书名号  　   3008　 〈　　　

                                                                     3009　　〉

 

　　如果是针对方法2的情况，只是为了插入数据库的时候不报错，那么只需要处理掉4个字节的字符就可以了，当然如果输入的emoji符号不是

4个字节的，那么当然就不会过滤掉；相反的有些非emoji的4个字符的文字或者符号也会被过滤掉，而这包括了一些生僻的中文；

从某搜索引擎上搜索到的中文unicode编码范围：

可以发现，有些字符的范围已经超过了2个字节的范围，而你输入这些字符，也一样会导致数据库插入操作失败；

但是我发现，这些字实在生僻，连输入法里面都没有，一般用户根本不会输入这些文字（不排除一些存心来搞事的家伙 T_T）

 

这里分享一个github地址（https://github.com/iamcal/js-emoji/blob/master/lib/emoji.js），这个项目是帮助我们在设备上输出emoji的，

但是我们可以在这里比较全面的看到emoji的编码范围，大部分都集中在\ud83c[\udc00-\udfff]和\ud83d[\udc00-\udfff]，还有一些零散在

\u2.{3}和\u3.{3}上；

 

 这些方法其实都没能完美的解决过滤emoji的问题，如果各位大神有什么好的方法，希望能不吝赐教，谢谢啦！

 

转载于:https://www.cnblogs.com/kable/p/6426829.html