mysql存储4字节的表情包数据报异常_Emoji表情包_Incorrect string value: '\xF0\x9F\x98\x84\xF0\x9F

本文章转载自：http://www.javashuo.com/article/p-zxjywggg-bc.html

 

原文以下：

 

问题描述：重新浪微博抓取消息保存到MySQL数据中，对应数据库字段为varchar，字符编码utf-8。部分插入成功，部分插入失败，报错如标题。

在网上查询，有人说是编码问题，建议修改编码格式，好比改为gbk，UTF-8，blob等等，可是几乎没有人给出更详细的答案。在一个英文网站上，才发现真正错误的缘由。连接1 连接2

 

错误缘由：咱们能够看到错误提示中的字符0xF0 0x9F 0x98 0x84 ，这对应UTF-8编码格式中的4字节编码（UTF-8编码规范）。正常的汉字通常不会超过3个字节，为何为出现4个字节呢？其实是它对应的是智能手机输入法中的表情。那为何会报错呢？由于mysql中的utf-8并非真正意义上的utf-8，它只能存储1~3个字节长度的utf-8编码，若是想存储4个字节的必须用utf8mb4类型。不而要使用utf8mb4类型，首先要保证Mysql版本要不低于 MySQL 5.5.3。

 

解决方案：

1）使用utf8mb4数据类型

   要用这种策略，若是MySql版本低于5.5.3，首先要进行版本升级，而后将对应的数据类型改成utf8mb4类型。若是使用的是Connector/J 链接数据库，须要在配置中把编码格式改成utf8mb4（set character_set_server=utf8mb4 in the connection config）。

2）自定义过滤规则，将文本中出现的四字节UTF-8字符过滤或转化为自定义类型。

    下面是将4字节字符转化为0000的测试例子。

for (int i = 0; i < b_text.length; i++) 
{ 
    if((b_text[i] & 0xF8)== 0xF0){ 
        for (int j = 0; j < 4; j++) {                         
        b_text[i+j]=0x3f;        
    } 
    i+=3; 
    } 
}