java处理emoji乱码需统一utf-8编码并正确操作代理对：源码、http、容器、数据库（改utf8mb4）全链路配置；禁用charat/substring，改用codepointcount等方法；可选emoji-java过滤或正则清除。

Java 中处理 Emoji 表情转码丢失或乱码，核心在于两点：一是 Java 字符串内部用 UTF-16 表示，而部分 Emoji 属于 Unicode 补充平面（如 U+1F600 ?），需用两个 char（代理对）表示；二是从输入、传输到存储各环节若未统一使用支持 4 字节的编码（如 UTF-8 / utf8mb4），就会截断、替换或显示为 、□ 或问号。

确保全流程 UTF-8 编码一致

乱码往往不是 Java 本身的问题，而是环境配置脱节：

• 源代码文件保存为 UTF-8 格式（IDE 中检查 File Encoding 设置）
• HTTP 请求头明确声明 Content-Type: application/json; charset=UTF-8 或表单中设置 accept-charset="UTF-8"
• Servlet 容器（如 Tomcat）在 server.xml 的 Connector 中添加 URIEncoding="UTF-8"
• Spring Boot 项目中，在 application.properties 加上：
  server.servlet.encoding.charset=UTF-8
server.servlet.encoding.force=true

正确操作字符串，避免代理对被拆开

直接用 String.substring()、charAt() 或 length() 处理含 Emoji 的字符串，极易破坏代理对，导致后续显示异常：

Alibabacloud Sdk Client Initialization For Java

在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。

下载

• ❌ 错误：`str.substring(0, 5)` —— 按 char 索引切，可能把一个 emoji 的高代理项和低代理项分开
• ✅ 正确：用代码点（code point）操作
  　　• 获取长度：str.codePointCount(0, str.length())
  　　• 截取前 N 个字符：str.offsetByCodePoints(0, n)
  　　• 遍历字符：str.codePoints().forEach(...)

数据库存储前必须适配 utf8mb4

MySQL 默认 utf8 实际是 utf8mb3，最多存 3 字节，而大部分 Emoji 是 4 字节（如 ? U+1F308）。不升级会报 Incorrect string value 错误：

• 修改 MySQL 配置文件（my.cnf 或 my.ini）：
  [client] default-character-set = utf8mb4
[mysqld] character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
• 重启 MySQL 后，执行 SQL 更新库、表、字段：
  ALTER DATABASE db_name CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci;
ALTER TABLE tbl_name CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
• JDBC 连接 URL 加参数：?characterEncoding=utf8mb4&useUnicode=true

可选：过滤或转义 Emoji（适合不改库场景）

若无法升级数据库或需统一净化用户输入，推荐两种稳妥方式：

• 用 emoji-java 库（维护较久，兼容性好）：
  引入依赖：
  <dependency><groupid>com.vdurmont</groupid><artifactid>emoji-java</artifactid><version>5.1.1</version></dependency>
  过滤： EmojiParser.replaceAllEmojis(input, "*")
• 自定义正则过滤（轻量，无需依赖）：
  注意：不能只匹配 [ud800-udfff]，要覆盖全部补充平面范围：
  input.replaceAll("[\ud800-\udfff\u200d\u20e3\uFE0F]", "")
  更严谨的写法建议用 Character.isSurrogate() + Character.isHighSurrogate() 判断代理对

Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南