问题描述

将底层抓取的微博数据存入mysql，有些数据存入失败，查看Tomcat后，核心错误信息如下：

// 抛出字符集不支持的异常sql.SQLException: Incorrect string value: '\xF0\x9F\x98\x97\xF0\x9F...' for column 'CONTENT' at row 1

原因分析

MYSQL 5.5 之前， utf8 编码只支持1~3个字节，即BMP这部分的unicode编码区(基本就是0000~FFFF这一区)。  Emoji表情是4个字节，而mysql的utf8编码最多3个字节，所以导致数据插不进去  5.5之后，mysql加入utf8mb4编码，可支持4个字节，即一个字符最多能有4字符，因此utf8mb4编码可支持更多的字符集。  因此，如果项目要存储移动产品的用户文本，必须将DB字符集从UTF8/GBK等传统字符集升级到utf8mb4

【注】

utf8mb4兼容utf8，且比utf8能表示更多的字符。所以将DB字符集从UTF8或GBK等传统字符集升级到utf8mb4时不用担心字符的兼容性问题

解决方法

过滤特殊的表情符

content = content.replaceAll("[\\x{10000}-\\x{10FFFF}]", "");// 简单粗暴，不人性化

升级数据库字符集

1、utf8mb4支持的mysql版本为5.5.3+,若mysql低于该版本请先升级

2、修改database、table和column字符集

3、修改mysql配置文件my.cnf(windows为my.ini)，my.cnf一般在etc/mysql/目录下，找到后在以下三部分里添加如下内容：

[client] default-character-set = utf8mb4

[mysql] default-character-set = utf8mb4

[mysqld]character-set-client-handshake = FALSEcharacter-set-server = utf8mb4collation-server = utf8mb4_unicode_ciinit_connect='SET NAMES utf8mb4'

4、重启mysql并查看字符集

在mysql命令行输入：

SHOW VARIABLES WHERE Variable_name LIKE 'character_set_%' OR Variable_name LIKE 'collation%';

重启之前的字符集

重启之后的字符集

【注】

必须保证以下字段为utf8mb4      character_set_client    character_set_connection    character_set_database    character_set_results    character_set_server

以上4步完成后，利用mysql客户端navicat在表中手动加入Emoji表情⛄，若能保存成功说明数据库已升级成功。

这些字符集配置的具体区别参考 深入Mysql字符集设置

5、检查服务器端db配置文件

// 配置spring时使用的链接如下：url="jdbc:mysql://localhost:3306/gzhou?allowMultiQueries=true&useUnicode=true&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&autoReconnect=true&autoReconnectForPools=true&failOverReadOnly=false&maxReconnects=10"// 若characterEncoding=utf8mb4，插入数据时报错Caused by: java.sql.SQLException: Unsupported character encoding 'utf8mb4'// 去掉characterEncoding或characterEncoding=utf8

Emoji表情

android系统中，搜狗、百度输入法自带Emoji表情。

【注】

如果系统之间Emoji表情符号不兼容，只能看到方块；