转载自：http://blog.csdn.net/huangchao064/article/details/53283738
基本能过滤大部分的ios，安卓，微信emoji表情
有很多别的帖子搜出来很多有bug，有些表情是不能过滤的
类似于这个判断，过滤成功率有点低
private static boolean isEmojiCharacter(char codePoint) {//不能完整判断
return (codePoint == 0x0) ||
(codePoint == 0x9) ||
(codePoint == 0xA) ||
(codePoint == 0xD) ||
((codePoint >= 0x20) && (codePoint <= 0xD7FF)) ||
((codePoint >= 0xE000) && (codePoint <= 0xFFFD)) ||
((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}
*********************下面的方法过滤率就比较高了*********************
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 "";
}
}
311
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
