Question

我们有较旧的mySQL DB，只支持UTF-8字符集。在Java中是否有办法检测给定字符串是否与UTF-8兼容？

Answer 1

public static boolean isUTF8MB4(String s) {
    for (int i = 0; i < s.length(); ++i) {
        int bytes = s.substring(i, i + 1).getBytes(StandardCharsets.UTF_8);
        if (bytes > 3) {
            return true;
        }
    }
    return false;
}

上述实施似乎最好，但不然：

public static boolean isUTF8MB4(String s) {
    for (int i = 0; i < s.length(); ) {
        int codePoint = s.codePointAt(i);
        int bytes = Character.charCount(codePoint);
        if (bytes > 3) {
            return true;
        }
        i += bytes;
    }
    return false;
}

可能会更频繁地失败。

Answer 2

每个字符串都与UTF-8兼容。只需在数据库和MySQL驱动程序中正确设置编码即可设置。

唯一的问题是UTF-8编码字符串的字节长度可能比.length()所说的大。 Here's a Java implementation of a function to measure how many bytes a string will take after encoding to UTF-8.

编辑：由于Saqib指出较旧的MySQL实际上不支持UTF-8，而只支持其BMP子集，因此您可以检查字符串是否包含带有string.length()==string.codePointCount(0,string.length())的BMP外的代码点（“true”表示“全部”代码点位于BMP“）中，并使用string.replaceAll("[^\u0000-\uffff]", "")

删除它们

Answer 3

MySQL defines：

名为utf8的字符集每个字符最多使用三个字节，仅包含BMP字符。

因此该功能应该有效：

private boolean isValidUTF8(final String string) {
    for (int i = 0; i < string.length(); i++) {
        final char c = string.charAt(i);
        if (!Character.isBmpCodePoint(c)) {
            return false;
        }
    }
    return true;
 }

检查字符串是否与mySQL UTF-8兼容

3 个答案: