对emoji表情包的支持,网上有很多方案了。大体分为如下两大类:
1. 基于java对表情字符串编码预处理。
网上所有基于java对表情字符串编码预处理的方案,大体又分为如下几类:
将字符串中的表情字符串剔除
如果我们基于编码范围进行提出,就可能提出不干净。因为表情可能由 utf8mb4 范围内utf8 范围外的字符和 utf8 范围内的字符构成,我们剔除调 utf8mb4 内 utf8 外的字符了,那么属于表情一部分,但属于 utf8 范围内的字符很可能被留下,从而留下残余垃圾;同时,剔除字符串,会导致用户的原始输入被篡改,显然并不是非常合适。将字符串中的表情字符串替换为可识别的其他字符串
这种方案的缺点,在于emoji表情本身在不停的发展中。现有方案无法预知未来可能会出现的所有的emoji表情,最终总会出现不支持的新增表情。我们只能不断被动更新我们的表情库来支持新表情。
而实际上,我们很难及时更新我们支持的表情库。甚至我们的程序根本就不支持动态更新表情库。即便可以更新表情库,我们也无法跟进全世界的表情作者的进展。
2. 修改数据库存储,使其支持utf8mb4编码字符集
该方案不修篡改用户的原始输入,显然是最理想的方案。
3. 操作步骤
3.1. 修改数据库的字符集
阿里云的rds,默认使用utf8编码。
自维的mysql数据库和阿里云的rds数据库,维护方法略有差异。
自维的mysql数据库,我们需要自己修改数据库的my.cnf(或类似)配置文件,然后重启mysql数据库。
而阿里云的rds数据库,我们无法直接修改其配置文件,只能通过阿里云的控制台进行修改。阿里云的文档库中,有关于如下修改阿里云的mysql数据库字符集的文章通过RDS控制台修改MySql数据库编码方法。
实际上,就是先打开rds实例列表:
然后选择要修改的rds实例后,点击右方的“参数设置”菜单:
接下来找到 charactor_set_server 参数,再修改为 utf8mb4。
为安全起见,还可以再执行一条修改数据库编码的sql语句:
ALTER DATABASE <数据库名> CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
3.2 修改表的字符集
修改表的字符集,需要按表逐一执行语句。如果表数量比较多的话,可以用如下代码生成修改表编码的sql:
select concat('ALTER TABLE ', substr(t.name, 7, length(t.name)), ' CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;')
from innodb_sys_tables t
where t.name like 'your_db_name%';
需要注意的是:
substr(t.name, 7, length(t.name)):这段代码的意思,是截取表名。
mysql的 innodb_sys_tables.names 属性,其值格式为 your_db_name/your_table_name;因此,需要截掉your_db_name/部分。
我用作例子的数据库,数据库名字加上 / ,一共是6个字符。从第7个字符开始保留,因此mysql的substr函数的第二个参数值为7
最后,我们执行上述语句生成的结果字符串,就可以修改所有表的字符集了。
3.3 重启数据库实例
我们可以在控制台上,进入rds详情界面后,点击右上方工具栏上的“重启实例”来重启rds:
最后,我们可以执行下列语句来验证数据库的编码是否已经修改过来了:
SHOW CREATE DATABASE your_db_name;
SHOW CREATE TABLE your_table_name;
3.4 修改mycat配置为使用utf8mb4编码
找到 mycat/conf/serer.xml,在其中添加如下内容即可:
<property name="charset">utf8mb4</property>
3.3 修改jdbc连接的字符集
假设mysql服务器hostname为 rds.yourdbsrv.cn,端口为3306,数据库名为 your_db 则不指定字符集的连接字符为:
jdbc:mysql://rds.yourdbsrv.cn:3306/your_db
指定字符集为utf8mb4的连接字符串为:
jdbc:mysql://rds.yourdbsrv.cn:3306/your_db?useUnicode=true&characterEncoding=utf8mb4