文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

如何在Java中高效处理和编码Emoji表情,包括编码、解码和过滤方法

2024-11-29 23:11

关注

(基础知识)位、字节、字符

在Java中,位(bit)、字节(byte)和字符(char)是三种基本的数据单位,各自具有特定的概念和用途。

位(bit)是计算机存储和处理信息的最小单位,只能表示两种状态:0或1。在Java中,位并没有对应的基本数据类型,而是作为最小的信息单元用于表示和操作数据。位操作常用于位掩码、位字段和位运算等场景。

字节(byte)是计算机信息技术用于计量存储容量的一种计量单位,也是Java中最小的内存单元。由8个二进制位(bit)组成,可以表示2^8种不同的状态,0到255之间的整数值。字节类型用关键字byte表示。

字符(char)是Java中用来表示Unicode字符的数据类型。由16个二进制位(即2个字节)组成,可以表示更多的字符,包括英文字母、数字、标点符号、中文汉字以及其他特殊字符。字符类型用关键字char表示。

三者之间的主要区别在于其表示信息的粒度不同,位是最小的单位,字节次之,字符则相对较大。

UTF-8编码中,字节和字符对应关系

在UTF-8编码中,字节和字符的对应关系并不是一对一的固定关系,根据字符的不同而有所变化。UTF-8是一种可变长度的编码方式,设计目标是向后兼容ASCII字符集。

  1. 对于ASCII字符集中的字符(0-127范围内的字符,包括英文字符、数字和一些控制字符),UTF-8编码与ASCII编码完全一致。这些字符在UTF-8编码中只占用1个字节。
  2. 对于其他Unicode字符,UTF-8使用多字节的序列来表示。具体的字节数取决于字符的Unicode码点范围:

对于U+0080到U+07FF范围内的字符(例如带有变音符号的拉丁字母等),UTF-8使用2个字节来表示。

对于U+0800到U+FFFF范围内的字符(包括大部分常用的中日韩文字、东南亚文字、中东文字等),UTF-8使用3个字节来表示。

对于U+10000到U+10FFFF范围内的字符(包括一些较为罕见的字符),UTF-8使用4个字节来表示。

在UTF-8编码中,中文字符(包括简体和繁体)的编码通常占用3个字节,中文标点也占用3个字节。英文字符(包括大小写字母)和英文标点在UTF-8编码中则分别占用1个字节。

String类的length()和codePointCount()的区别

String类的length()和codePointCount()方法的主要区别在于计算字符串长度的方式不同。

  1. 「计算单位」:length()方法返回的是字符串中的字符数,codePointCount()方法返回的是字符串中的Unicode码点数。
  2. 「处理Unicode码点」:length()方法不能处理Unicode码点,codePointCount()方法可以处理。在处理包含Unicode补充字符(如某些表情符号或特殊字符)的字符串时,codePointCount()方法能够更准确地计算长度。
  3. 「适用场景」:由于Unicode码点能够表示更广泛的字符集,codePointCount()方法在处理包含多种语言字符或特殊字符的字符串时更为适用。length()方法则更适用于处理ASCII字符集或不包含Unicode补充字符的字符串。

Emoji编解码

对整段字符进行编码(正常字符串)

try {
     //编码
    String encodeStr = URLDecoder.decode("字符串", StandardCharsets.UTF_8.name());
    //解码
    String decodeStr = URLDecoder.decode(encodeStr, StandardCharsets.UTF_8.name());
} catch (UnsupportedEncodingException e) {
    e.printStackTrace();
}

Emoij表情进行单独编码,只对Emoji表情编码,其他字符不编码,只需处理Unicode码点即可,解码的时候直接对整段解码。

public class EmojiUtils {

    
    public static String escape(String src){
        //1.得到代码点数量,也即是实际字符数,注意和length()的区别
        //举例:
        //一个emoji表情是一个字符,codePointCount()是1,length()是2。
        //但是遇到过一个emoji表情居然带着空格符号,结果它的codePointCount()是2,length()也是2,实际上单独拎emoji来说,它的length()应该说是1才对了。
        //推测这就是它们是否属于增补字符范围内,length=2的是增补字符,length=1的不是。
        int cpCount = src.codePointCount(0, src.length());

        //2.得到字符串的第一个代码点index,和最后一个代码点index
        //举例:比如3个emoji表情,那么它的cpCount=3;firCodeIndex=0;lstCodeIndex=4
        //因为每个emoji表情length()是2,所以第一个是0-1,第二个是2-3,第三个是4-5
        int firCodeIndex = src.offsetByCodePoints(0, 0);
        int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);

        StringBuilder sb = new StringBuilder();
        int index = firCodeIndex;
        while (index<=lstCodeIndex){
            //3.获得代码点,判断是否是emoji表情
            //注意,codePointAt(int) 这个int对应的是codeIndex
            //举例:3个emoji表情,取第3个emoji表情,index应该是4
            int codepoint = src.codePointAt(index);
            if (!isEmojiCharacter(codepoint)) {
                sb.append((char) codepoint);
            }else{
                try {
                    //4.对emoji表情UTF-8编码,判断是否是增补字符范围内
                    int length = Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
                    String encoderStr = URLEncoder.encode(src.substring(index,index + length), "UTF-8");
                    sb.append(encoderStr);
                } catch (UnsupportedEncodingException e) {

                }
            }
            //4.确定指定字符(Unicode代码点)是否在增补字符范围内。
            //因为除了表情,还有些特殊字符也是在增补字符方位内的。
            index += Character.isSupplementaryCodePoint(codepoint)? 2 : 1;
        }
        return sb.toString();
    }
    
    
    public static String filter(String src) {
        if (src == null) {
            return null;
        }
        //得到codePointCount
        int cpCount = src.codePointCount(0, src.length());
        int firCodeIndex = src.offsetByCodePoints(0, 0);
        int lstCodeIndex = src.offsetByCodePoints(0, cpCount - 1);
        StringBuilder sb = new StringBuilder(src.length());
        for (int index = firCodeIndex; index <= lstCodeIndex;) {
            //遍历每个codePoint
            int codepoint = src.codePointAt(index);
            if (!isEmojiCharacter(codepoint)) {
                System.err.println("codepoint:" + Integer.toHexString(codepoint));
                sb.append((char) codepoint);
            }
            index += ((Character.isSupplementaryCodePoint(codepoint)) ? 2 : 1);

        }
        return sb.toString();
    }


    
    private static boolean isEmojiCharacter(int codePoint) {
        return (codePoint >= 0x2600 && codePoint <= 0x27BF) // 杂项符号与符号字体
                || codePoint == 0x303D || codePoint == 0x2049 || codePoint == 0x203C
                || (codePoint >= 0x2000 && codePoint <= 0x200F)//
                || (codePoint >= 0x2028 && codePoint <= 0x202F)//
                || codePoint == 0x205F //
                || (codePoint >= 0x2065 && codePoint <= 0x206F)//
                
                || (codePoint >= 0x2100 && codePoint <= 0x214F)// 字母符号
                || (codePoint >= 0x2300 && codePoint <= 0x23FF)// 各种技术符号
                || (codePoint >= 0x2B00 && codePoint <= 0x2BFF)// 箭头A
                || (codePoint >= 0x2900 && codePoint <= 0x297F)// 箭头B
                || (codePoint >= 0x3200 && codePoint <= 0x32FF)// 中文符号
                || (codePoint >= 0xD800 && codePoint <= 0xDFFF)// 高低位替代符保留区域
                || (codePoint >= 0xE000 && codePoint <= 0xF8FF)// 私有保留区域
                || (codePoint >= 0xFE00 && codePoint <= 0xFE0F)// 变异选择器
                || codePoint >= 0x10000; // Plane在第二平面以上的,char都不可以存,全部都转
    }
}
来源:沐雨花飞蝶内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯