如何轉義emoji表情，讓它可以存入utf8的資料庫？

unicode emoji是4個位元組的，存不進MySQL裡，找到一個轉義的庫http://code.iamcal.com/php/emoji/，但是轉為Unicode之後，還是4個位元組，一樣存不進，應該說根本沒轉。轉為其他格式的emoji又怕以後新增了表情不好做，你們在不改資料庫編碼的前提下，是怎麼弄的？

方法1：base_encode64

這種方法是可以，但是舊資料沒有經過encode操作，取資料的時候如果統一進行decode的話，舊資料會丟失的。

方法2：urlencode

這個似乎可以，對沒有經過encode的資料進行decode也不會有影響，而且多次decode似乎也不會有影響。你們說這個方法有缺陷嗎？

=======================
一個發現，擷取使用者基本資料的時候，笑哭那個表情print_r出的是\ud83d\ude02，而我儲存的時候，報錯說這個 \xF0\x9F\x98\x82 值不能儲存，請問這是怎麼回事，自動轉碼了，轉成的這是什嗎？是轉碼過了嗎？

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

方法3：最後採用了下面採納的那個方法，因為我覺得它有下面幾個優點：

1、那個方法只轉換表情，不會轉換中文，所以資料還是直接可讀的
資料庫中儲存起來是這樣的， 後面的\ud83d\udca5可以隨意複製粘貼，而顯示出來是這樣的，

2、不會把表情轉換為其它標準，只有一個簡單的，固定的轉換演算法，也就是說不需要一個表情庫來對照著轉換，所以以後其它人要使用這個資料的時候，也很容易知道每個表情是對應的哪個。就算蘋果大爺又增加了表情，也不需要做什麼額外的修改。

3、可以無限decode輸出的都是正確的內容。因為有的時候可能需要在一次請求中的兩個地方做decode，其它decode多次會把正確的資料改成其它資料，這個不會。

缺點：
1、看了下面的代碼就知道，這個是強制修改字元編碼中，指定區間內的編碼，也就說有可能誤殺，也有可能有超出這個區間的emoji沒殺到。不過僅僅是在字元前加反斜線，即使誤殺了，發現之後也很容易改回來。
資料庫中發現有這樣的 ，是漏殺了，但是不知道為什麼，這個可以直接存資料庫。

/**  把使用者輸入的文本轉義（主要針對特殊符號和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); //將emoji的unicode留下，其他不動，這裡的正則比原答案增加了d，因為我發現我很多emoji實際上是\ud開頭的，反而暫時沒發現有\ue開頭。    return json_decode($text);}/**  解碼上面的轉義 */function userTextDecode($str){    $text = json_encode($str); //暴露出unicode    $text = preg_replace_callback('/\\\\\\\\/i',function($str){        return '\\';    },$text); //將兩條斜杠變成一條，其他不動    return json_decode($text);}

回複內容：

unicode emoji是4個位元組的，存不進MySQL裡，找到一個轉義的庫http://code.iamcal.com/php/emoji/，但是轉為Unicode之後，還是4個位元組，一樣存不進，應該說根本沒轉。轉為其他格式的emoji又怕以後新增了表情不好做，你們在不改資料庫編碼的前提下，是怎麼弄的？

方法1：base_encode64

這種方法是可以，但是舊資料沒有經過encode操作，取資料的時候如果統一進行decode的話，舊資料會丟失的。

方法2：urlencode

這個似乎可以，對沒有經過encode的資料進行decode也不會有影響，而且多次decode似乎也不會有影響。你們說這個方法有缺陷嗎？

=======================
一個發現，擷取使用者基本資料的時候，笑哭那個表情print_r出的是\ud83d\ude02，而我儲存的時候，報錯說這個 \xF0\x9F\x98\x82 值不能儲存，請問這是怎麼回事，自動轉碼了，轉成的這是什嗎？是轉碼過了嗎？

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

方法3：最後採用了下面採納的那個方法，因為我覺得它有下面幾個優點：

1、那個方法只轉換表情，不會轉換中文，所以資料還是直接可讀的
資料庫中儲存起來是這樣的， 後面的\ud83d\udca5可以隨意複製粘貼，而顯示出來是這樣的，

2、不會把表情轉換為其它標準，只有一個簡單的，固定的轉換演算法，也就是說不需要一個表情庫來對照著轉換，所以以後其它人要使用這個資料的時候，也很容易知道每個表情是對應的哪個。就算蘋果大爺又增加了表情，也不需要做什麼額外的修改。

3、可以無限decode輸出的都是正確的內容。因為有的時候可能需要在一次請求中的兩個地方做decode，其它decode多次會把正確的資料改成其它資料，這個不會。

缺點：
1、看了下面的代碼就知道，這個是強制修改字元編碼中，指定區間內的編碼，也就說有可能誤殺，也有可能有超出這個區間的emoji沒殺到。不過僅僅是在字元前加反斜線，即使誤殺了，發現之後也很容易改回來。
資料庫中發現有這樣的 ，是漏殺了，但是不知道為什麼，這個可以直接存資料庫。

/**  把使用者輸入的文本轉義（主要針對特殊符號和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); //將emoji的unicode留下，其他不動，這裡的正則比原答案增加了d，因為我發現我很多emoji實際上是\ud開頭的，反而暫時沒發現有\ue開頭。    return json_decode($text);}/**  解碼上面的轉義 */function userTextDecode($str){    $text = json_encode($str); //暴露出unicode    $text = preg_replace_callback('/\\\\\\\\/i',function($str){        return '\\';    },$text); //將兩條斜杠變成一條，其他不動    return json_decode($text);}

我是這麼玩兒的

給一個標準的解決方案：

1. mysql的版本必須為v5.5.3或更高

2. 把資料庫的編碼改成utf8mb4 -- UTF-8 Unicode

3. 然後需要儲存emoji表情的欄位選擇utf8mb4_general_ci

4. 資料庫連接也需要改為utf8mb4

設定完成後，應該可以看到如下類似字元集設定結果。那麼可以直接的存入資料庫，無需做任何額外的事情了。

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) 

我在做公眾平台開發時遇到過這個問題，使用者的暱稱可以包含表情（坑爹- -!）。於是我就將整個暱稱轉換成HEX字串存在MySQL中，目前使用者1W+，系統穩定，題主可以參考一下此方案。

MySQL支援hex() and unhex()函數。Java可以使用org.apache.commons.codec.binary.Hex工具類。其他語言也有相應的方法。

試試微博或qq裡面的那種方式？用簡單的編碼來映射，比如微笑可以用 [wx] 或 /wx 。不過表情多了之後4個字元不怎麼夠用。。。

urldecode
我看了一下 decode 的源碼，應該是不會出現問題。

只要沒有 % 解碼後肯定還是原來的字元（串），有 % 會出現兩種情況，一種是解碼成功，這個時候肯定就不是原來的字串了，一種是解碼失敗，拋出異常（其實這個異常可以作為是否 encode的標準）。

解碼還算是比較嚴格吧，作為使用者名稱的情況下 出現 % 還解碼成功的機率比較小吧，對於這部分你可以手動改資料庫，應該不會有很多。

你試試這個函數，之前弄自訂菜單的時候，也接觸過Emoji表情，當時看到用的這個函數把Emoji表情的編碼給轉換了。

function utf8_bytes($cp) {    if ($cp > 0x10000){        # 4 bytes        return    chr(0xF0 | (($cp & 0x1C0000) >> 18)).        chr(0x80 | (($cp & 0x3F000) >> 12)).        chr(0x80 | (($cp & 0xFC0) >> 6)).        chr(0x80 | ($cp & 0x3F));    }else if ($cp > 0x800){        # 3 bytes        return    chr(0xE0 | (($cp & 0xF000) >> 12)).        chr(0x80 | (($cp & 0xFC0) >> 6)).        chr(0x80 | ($cp & 0x3F));    }else if ($cp > 0x80){        # 2 bytes        return    chr(0xC0 | (($cp & 0x7C0) >> 6)).        chr(0x80 | ($cp & 0x3F));    }else{        # 1 byte        return chr($cp);    }}

1. 使用BOLO類型

2. 將資料庫編碼改為 utf8mb4

我這個剛解決的這個問題（後端是java實現的，資料庫Mysql），供參考。
1、修改儲存emoji欄位編碼，例如放在username欄位中：

    ALTER TABLE user CHANGE username username VARCHAR(128) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci default null;

2、java在執行資料庫插入、更新操作前，要先執行 sql語句"set names utf8mb4" 語句。

https://github.com/iamcal/php-emoji
我是用這個處理的~

http://www.emoji-cheat-sheet.com/

有一種編碼叫 utfmb4，支援 4 位長度的 utf8 編碼

喏，你的 MySQL 版本必須為 5.5 以上的

不用轉，直接資料庫轉成utf8mb4, 我以前就是這麼乾的

不用更改整個資料庫的把。。。create xxx() charset=utf8mb4 單表 utf8mb4就行了把

因為我的項目中需要對字數有限制的需求，涉及到逐字計數，在這基礎上我增加了emoji的功能完美實現。你需要代碼的話請再告訴我，我提供給你。

