表情mysql编码方式_emoji表情在Mysql数据库中乱码问题总结

最近在爬取微博数据中发现有些数据保存失败，调试后发现都是emoji表情保存到数据库后乱码造成的。我的Mysql编码都是utf8，Emoji表情占用4个字节，但是MySQL数据库UTF-8编码最多只能存储3个字节，所以乱码了。下面我总结一下我知道的处理方式：

1.保存前使用emoji的官方jar包提供的方法将表情转成代码，再保存

2.设置数据库的字符编码为支持emoji表情的字符集:utf8mb4

3.如果可以，我说如果可以。。。过滤掉吧

一、emoji表情转成代码保存例如： 😁 我可以存储为:smile：，😭存储为:cry：，等等，可以这样映射起来。

这种方法要使用jar包提供的方法,

引入jar包

com.vdurmont

emoji-java

3.2.0

然后调用api转换

EmojiParser.parseToAliases(string); //将表情符号转为字符

EmojiParser.parseToUnicode(string); //将字符转为表情符号这种做法的好处是不用修改数据库编码，重启数据库和避免了修改编码后造成其他乱码的问题，缺点也很明显，需要对数据保存前和显示都要进行转换

参考：https://www.jianshu.com/p/bda2d030b0ce

二、修改数据库编码为utf8mb4

三、如果可以，过滤掉吧因为某种原因不想存，我们可以通过java代码来过滤掉他们，代码如下：

public String replaceEmoji(String str){

String pattern="[\ud83c\udc00-\ud83c\udfff]|[\ud83d\udc00-\ud83d\udfff]|[\u2600-\u27ff]";

String reStr="";

Pattern emoji=Pattern.compile(pattern);

Matcher emojiMatcher=emoji.matcher(str);

String str2 = emojiMatcher.replaceAll(reStr);

return str2;

}