iOS框架--NSString中的Emoji表情

Posted 2023-05-10

参考技术A 苹果API文档是这样解释NSString的length方法：返回UTF-16编码单元（码元）的个数。

因此我们猜测NSString底层是使用UTF-16编码存储字符数据的，那何为UTF-16?

通过UTF-16的定义，我们知道英文字母和一般汉字在UTF-16中用两个字节表示，即占一个码元，而一般的Emoji表情用四个字节表示，即占两个码元。所以英文字母和汉字在NSString中的length为1，而一般的Emoji表情在NSString中length为2。

输出

查看表情编码地址： https://apps.timwhitlock.info/unicode/inspect

通过分析，这个复杂表情其实是由四个小表情(两男两女)和三个连接符号组合出来的：

所以,在NSString中length为 4*2 + 3*1 = 11 （UTF-16码元个数）

但是当把NSString转换成UTF-8格式的NSData时，数据是这样存储的：

所以转成NSData后的存储总长度为 4*4 + 3*3 = 25 （字节个数）。

补充：这种组合出来的复杂表情是苹果自己定义的，不属于Unicode编码范围，但每个小表情属于Unicode编码范围，所以将此表情发给安卓端，会被显示成多个连续的小表情。而连接符本身显示出来不占宽度，所以跟没有连接符效果一样。

输出

php过滤文字中的表情字符和mysql服务端对emoji的支持

1.过滤emoji表情的原因

　　在我们的项目开发中，emoji表情是个麻烦的东西，即使我们可以能存储，也不一定能完美显示，因为它的更新速度很快：在iOS以外的平台上，例如PC或者android。如果你需要显示emoji，就得准备一大堆emoji图片并使用第三方前端类库才行。即便如此，还是可能因为emoji图片不够全而出现无法显示的情况
在大多数业务场景下，emoji也不是非要不可的。我们可以适当地考虑干掉它，节约各种成本。

 

2.php过滤emoji原理

　　Emoji （絵文字，词义来自日语えもじ，e-moji，moji在日语中的含义是字符）是一套起源于日本的12x12像素表情符号，由栗田穣崇(Shigetaka Kurit)创作，最早在日本网络及手机用户中流行。自苹果公司发布的iOS 5输入法中加入了emoji后，这种表情符号开始席卷全球，目前emoji已被大多数现代计算机系统所兼容的Unicode编码采纳，普遍应用于各种手机短信和社交网络中。近期，更是有不少网友用emoji图案玩猜字游戏，享受这种表情文化带来的乐趣。

 

关于emoji的发音：很多人第一眼见到emoji便会下意识将其误读作“一磨叽”，其实不然，emoji音译过来大概读作“诶磨叽”，当中“e”的发音颇似字母abc的a的发音。

 

最初日本的三大电信运营商各自有不同的字符定义，分别是DoCoMo、KDDI和Softbank。随着iOS内置了Softbank的版本，emoji在全球范围内风靡（iOS5版本以前）。而Google又自己定义了一套emoji字符。iOS5以后，apple采用了unicode定义的emoji字符（iOS5版本以后）。

 

unicode定义的emoji是四个字符，softbank为3个字符，emoji的四个字符从存储到展示对应没有做过考虑的系统来说，简直就是灾难。

 

3.针对unicode定义的emoji表情过滤

　　①.unicode定义的emoji是四个字符，根据这个原理进行过滤

　　

// 过滤掉emoji表情
function filter_Emoji($str)
{
    $str = preg_replace_callback(    //执行一个正则表达式搜索并且使用一个回调进行替换
            \'/./u\',
            function (array $match) {
                return strlen($match[0]) >= 4 ? \'\' : $match[0];
            },
            $str);

     return $str;
 }

 

　　

　　②. unicode emoji是4个字节，softbank定义的emoji占用3个字节存储，通过emoji for php ，我们可以把unicode的emoji方式转换为softbank方式，从而实现不修改数据库，就能存储emoji，相对于数据库层面的解决问题的方式，动作要小的多，并且也不会有性能，运维等方面的问题。但是有个不可避免的问题是，Softbank方式已经不再维护，所以新增加的emoji表情，Softbank中都没有，会造成部分emoji表情丢失的情况，对于这种情况不推荐使用。

 

　　后续还有一些方法没有亲自实践过，但是给大家提供出来。

　　

　　1、使用utf8mb4字符集

 

　　如果你的mysql版本>=5.5.3，你可以尝试直接将utf8直接升级为utf8mb4字符集
　　这种4字节的utf8编码可完美兼容旧的3字节utf8字符集，并且可以直接存储emoji表情，是较好的解决方案之一。
　　至于字节增大带来的性能损耗，根据自己的项目，自己估算吧....

 

　　2、使用base64编码

 

　　如果你因为某些原因无法使用utf8mb4字符集的话，你还可以使用base64来曲线救国
　　使用例如base64_encode之类的函数编码过后的emoji可以直接存储在utf8字节集的数据表中，取出时decode一下即可

 

 

1.utf8mb4的最低mysql版本支持版本为5.5.3+，若不是，请升级到较新版本。

mysql版本查看命令请看：查看mysql版本的四种方法；mysql安装步骤请看：Linux中升级Mysql到Mysql最新版本的方法
2.修改database、table和column字符集。参考以下语句：
ALTER DATABASE database_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
ALTER TABLE table_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
ALTER TABLE table_name CHANGE column_name VARCHAR(191) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
3.修改mysql配置文件my.cnf（windows为my.ini）

my.cnf一般在etc/mysql/my.cnf位置。找到后请在以下三部分里添加如下内容：

[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

[mysqld]
character-set-client-handshake = FALSE
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
init_connect=\'SET NAMES utf8mb4\'

4.重启 MySQL Server、检查字符集

1.）重启命令参考：/etc/init.d/mysql restart

2.）输入命令：mysql，进入mysql命令行（如果提示没权限，可以尝试输入mysql -uroot -p你的密码）

3.）在mysql命令行中输入：SHOW VARIABLES WHERE Variable_name LIKE \'character_set_%\' OR Variable_name LIKE \'collation%\';

检查是否如下：

+--------------------------+--------------------+
| 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)

特别说明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，没有关系。但必须保证character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server为utf8mb4。关于这些字符集配置是干什么用的，有什么区别，请参考：深入Mysql字符集设置

5.修改连接数据字符集设置uft8mb4

\'db\' => [
\'class\' => \'yii\\db\\Connection\',
\'dsn\' => \'mysql:host=192.168.1.130;dbname=\',
\'username\' => \'\',
\'password\' => \'\',
\'charset\' => \'utf8mb4\',
],