如何转义emoji表情,让它可以存入utf8的数据库?

unicode emoji是4个字节的,存不进MySQL里,找到一个转义的库http://code.iamcal.com/php/emoji/,但是转为Unicode之后,还是4个字节,一样存不进,应该说根本没转。转为其他格式的emoji又怕以后新增了表情不好做,你们在不改数据库编码的前提下,是怎么弄的?

方法1:base_encode64

这种方法是可以,但是旧数据没有经过encode操作,取数据的时候如果统一进行decode的话,旧数据会丢失的。

方法2:urlencode

这个似乎可以,对没有经过encode的数据进行decode也不会有影响,而且多次decode似乎也不会有影响。你们说这个方法有缺陷吗?

=======================
一个发现,微信获取用户基本信息的时候,笑哭那个表情print_r出的是\ud83d\ude02,而我存储的时候,报错说这个 \xF0\x9F\x98\x82 值不能存储,请问这是怎么回事,自动转码了,转成的这是什么?是微信转码过了吗?

=======================

方法3:最后采用了下面采纳的那个方法,因为我觉得它有下面几个优点:

1、那个方法只转换表情,不会转换中文,所以数据还是直接可读的
数据库中存储起来是这样的,clipboard.png 后面的\ud83d\udca5可以随意复制粘贴,而显示出来是这样的, clipboard.png

2、不会把表情转换为其它标准,只有一个简单的,固定的转换算法,也就是说不需要一个表情库来对照着转换,所以以后其它人要使用这个数据的时候,也很容易知道每个表情是对应的哪个。就算苹果大爷又增加了表情,也不需要做什么额外的修改。

3、可以无限decode输出的都是正确的内容。因为有的时候可能需要在一次请求中的两个地方做decode,其它decode多次会把正确的数据改成其它数据,这个不会。

缺点:
1、看了下面的代码就知道,这个是强制修改字符编码中,指定区间内的编码,也就说有可能误杀,也有可能有超出这个区间的emoji没杀到。不过仅仅是在字符前加反斜杠,即使误杀了,发现之后也很容易改回来。
数据库中发现有这样的clipboard.png ,是漏杀了,但是不知道为什么,这个可以直接存数据库。


/**
  把用户输入的文本转义(主要针对特殊符号和emoji表情)
 */
function userTextEncode($str){
    if(!is_string($str))return $str;
    if(!$str || $str=='undefined')return '';

    $text = json_encode($str); //暴露出unicode
    $text = preg_replace_callback("/(\\\u[ed][0-9a-f]{3})/i",function($str){
        return addslashes($str[0]);
    },$text); //将emoji的unicode留下,其他不动,这里的正则比原答案增加了d,因为我发现我很多emoji实际上是\ud开头的,反而暂时没发现有\ue开头。
    return json_decode($text);
}
/**
  解码上面的转义
 */
function userTextDecode($str){
    $text = json_encode($str); //暴露出unicode
    $text = preg_replace_callback('/\\\\\\\\/i',function($str){
        return '\\';
    },$text); //将两条斜杠变成一条,其他不动
    return json_decode($text);
}
阅读 27.5k
评论 更新于 2015-09-25
    15 个回答
    AntonyBi
    • 1.3k

    给一个标准的解决方案:

    1. mysql的版本必须为v5.5.3或更高

    2. 把数据库的编码改成utf8mb4 -- UTF-8 Unicode

    3. 然后需要存储emoji表情的字段选择utf8mb4_general_ci

    4. 数据库连接也需要改为utf8mb4

    设置完成后,应该可以看到如下类似字符集设置结果。那么可以直接的存入数据库,无需做任何额外的事情了。

    mysql> SHOW VARIABLES WHERE Variable_name LIKE 'character\_set\_%' OR Variable_name LIKE 'collation%';  
    +--------------------------+--------------------+  
    | Variable_name            | Value              |  
    +--------------------------+--------------------+  
    | character_set_client     | utf8mb4            |  
    | character_set_connection | utf8mb4            |  
    | character_set_database   | utf8mb4            |  
    | character_set_filesystem | binary             |  
    | character_set_results    | utf8mb4            |  
    | character_set_server     | utf8mb4            |  
    | character_set_system     | utf8               |  
    | collation_connection     | utf8mb4_unicode_ci |  
    | collation_database       | utf8mb4_unicode_ci |  
    | collation_server         | utf8mb4_unicode_ci |  
    +--------------------------+--------------------+  
     rows in set (0.00 sec) 
    评论 赞赏 2015-09-06