java读取utf8mb4_java过滤utf8mb4表情符号

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：