mysql存儲4位元組的表情包數據報異常_Emoji表情包_Incorrect string value: '\xF0\x9F\x98\x84\xF0\x9F

本文章轉載自：https://www.cnblogs.com/coprince/p/7485968.html

原文如下：

問題描述：從新浪微博抓取消息保存到MySQL數據中，對應資料庫欄位為varchar，字元編碼utf-8。部分插入成功，部分插入失敗，報錯如標題。

在網上查詢，有人說是編碼問題，建議修改編碼格式，比如改成gbk，UTF-8，blob等等，但是幾乎沒有人給出更詳細的答案。在一個英文網站上，才發現真正錯誤的原因。鏈接1 鏈接2

錯誤原因：我們可以看到錯誤提示中的字元0xF0 0x9F 0x98 0x84 ，這對應UTF-8編碼格式中的4位元組編碼（UTF-8編碼規範）。正常的漢字一般不會超過3個位元組，為什麼為出現4個位元組呢？實際上是它對應的是智能手機輸入法中的表情。那為什麼會報錯呢？因為mysql中的utf-8並不是真正意義上的utf-8，它只能存儲1~3個位元組長度的utf-8編碼，如果想存儲4個位元組的必須用utf8mb4類型。不而要使用utf8mb4類型，首先要保證Mysql版本要不低於 MySQL 5.5.3。

解決方案：

1）使用utf8mb4數據類型

   要用這種策略，如果MySql版本低於5.5.3，首先要進行版本升級，然後將對應的數據類型改為utf8mb4類型。如果使用的是Connector/J 連接資料庫，需要在配置中把編碼格式改為utf8mb4（set character_set_server=utf8mb4 in the connection config）。

2）自定義過濾規則，將文本中出現的四位元組UTF-8字元過濾或轉化為自定義類型。

    下麵是將4位元組字元轉化為0000的測試例子。

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; 
    } 
}