一、mysql设置utf8mb4编码
目前mysql5.5以上的版本是可以支持utf8mb4编码的,我用的是mysql5.6。关于mysql设置存储utf8mb4,参考http://www.w2bc.com/Article/8533,也可以在navicat中选择某一个属性,直接设置,如下图。
二、过滤表情符
我最终的目的是把文本从mysql再导入到R语言中来进行文本处理,但目前R3.2.2版本貌似并不支持utf8mb4,只能使用utf8来读取文本,但是mysql里使用的是utf8mb4,对于含有表情符的文本,读入到R中就是NA,是不行的,所以考虑过滤掉这些表情符号。使用java过滤表情符,其实就是查找替换的过程,使用pattern,和matcher这两个类就可以解决。
java过滤表情符代码:
定义了Filter接口:
public interface Filter {
String filter(String str);
}表情符过滤器类EmojiFilter: