将utf-8转换为Unicode以在Java字符串中查找表情符号

Question

我正在尝试编写一个Java代码，其中包含包含表情符号的utf8字符串，我想用文本替换该表情符号。例如：

我有这段文字：???? ?????? ?????? ?????? ???????

我希望它像这样：grinningFace ???? ???? ?????? ?????? ?????? ???????

我尝试了这个：

String string = "";
    try {

        byte[] utf8Bytes = string.getBytes("UTF-8");

        string = new String(utf8Bytes, "UTF-8");
    } catch (
        UnsupportedEncodingException e
    ) {
        e.printStackTrace();
    }
    string=string.replaceAll("[\u1F600]", "grinningF");
    //also tried "\u1F600" and "u1F600"
    System.out.println(string);

但这没用，怎么办？

Answer 1

您的问题是表情符号不在基本多语言平面中，因为它的代码大于U + FFFF。Java字符只有16位长，因此BMP中的字符仅使用一个Java字符。BMP之外的字符以UTF16编码。

Unicode表情符号是GRINNING FACE字符U + 1F600。其utf8编码为0xf0,0x9f,0x98,0x80，其UTF-16编码为（如Jon Skeet在其评论中所述）0xd83d, 0xde00。这意味着调试器可以显示""is 的内部Java表示形式"\ud83d\ude00"。

因此，您的代码应为：

string.replaceAll("\ud83d\ude00", "grinningF");

要么

string.replaceAll("", "grinningF");

完全一样