如何在Java中處理字符串時避免Twitter表情符號

Question

我正在處理Twitter中的推文並將它們存儲在數據庫（MySQL）中。

我有我的過程中運行完美，但有時我得到這樣一個錯誤：

2012-08-31 08:11:23,303 WARN org.hibernate.engine.jdbc.spi.SqlExceptionHelper - SQL Error: 1366, SQLState: HY000 
2012-08-31 08:11:23,304 ERROR org.hibernate.engine.jdbc.spi.SqlExceptionHelper - Incorrect string value: '\xF0\x9F\x98\x9D #...' for column 'twe_text' at row 1 

當尋找我的日誌，我覺得有問題的鳴叫下列之一：

2012-08-31 08:11:22,971 INFO com.myapp.TweetLoaderJob - Text for tweet 241175722096480256: RT @totallytoyosi_: My go 
odies, my goodies, not your goodies <U+1F61D> #m&ms #sweeties #goodies #food @ The Ritzy Cinema Café, Brixton htt ... 

而且，最後，看看到底是什麼，我發現它是一個Twitter發送的表情符號as-is

我已經調試過，只看這個speci fic tweet和我的eclipse似乎無法識別此編碼字符。所以問題是，我如何處理這個異常？我尋找配置我的MySQL數據庫，但我不能改變編碼（這是一個要求），所以我的選擇是避免管理這種鳴叫或抑制這種複雜的字符。

但如何做到這一點，如果Java無法識別它？

Answer 1

在將數據存儲到數據庫之前，可以過濾字符串並刪除不需要的部分（使用簡單的正則表達式，如<U+[^>]+>）。