过滤非汉字的utf8的字符

原文：http://www.oschina.net/code/snippet_564772_13507

 

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。 

 

标签： <无>

 

代码片段(1)[全屏查看所有代码]

1. [代码][Java]代码     跳至 [1] [全屏预览]

public static String filterOffUtf8Mb4_2(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; //去掉符号位 if (((b >> 5) ^ 0x06) == 0) { buffer.put(bytes, i, 2); i += 2; System.out.println("2"); } else if (((b >> 4) ^ 0x0E) == 0) { System.out.println("3"); buffer.put(bytes, i, 3); i += 3; } else if (((b >> 3) ^ 0x1E) == 0) { i += 4; System.out.println("4"); } else if (((b >> 2) ^ 0xBE) == 0) { i += 5; System.out.println("5"); } else { i += 6; System.out.println("6"); } } buffer.flip(); return new String(buffer.array(), "utf-8"); }

举报