java过滤非汉字的utf8的字符

来源：互联网发布：软件开发公司内部流程编辑：程序博客网时间：2024/05/05 16:30

http://outofmemory.cn/code-snippet/2616/java-guolv-negate-hanzi-utf8-charaeter

static public String filterOffUtf8Mb4(String text) throws UnsupportedEncodingException {        byte[] bytes = text.getBytes("utf-8");        ByteBuffer buffer = ByteBuffer.allocate(bytes.length);        int i = 0;        while (i < bytes.length) {            short b = bytes[i];            if (b > 0) {                buffer.put(bytes[i++]);                continue;            }            b += 256;            if ((b ^ 0xC0) >> 4 == 0) {                buffer.put(bytes, i, 2);                i += 2;            }            else if ((b ^ 0xE0) >> 4 == 0) {                buffer.put(bytes, i, 3);                i += 3;            }            else if ((b ^ 0xF0) >> 4 == 0) {                i += 4;            }        }        buffer.flip();        return new String(buffer.array(), "utf-8");    }

utf8是变长字符集，单个字符占用1～4个字节。mysql在选择utf8字符集时，最多只能存储3个字节的utf8字符，如果想要保存任意的utf8字符，数据必须用utf8mb4字符集，有些情况下，不能变更已选定的字符集，只好不得以而为之，把输入中的4个字节的utf8字符全部过滤掉，好在，utf8字符集中，汉字是3个字节的。

0 1