如何删除4个字节的字符？

Question

我与facebook集成，向我发送特殊字符（表情符号等，例如u + 1f600，称为笑脸）。无法将其存储在我的UTF8（不是UTF8mb4）数据库中，那么如何才能使字符串UFT8（不是UTF8mb4）友好？

我无法将数据库转换为UTF8mb4。

Answer 1

您可以使用简单的正则表达式：

var rx = new Regex(@"[\uD800-\uDBFF][\uDC00-\uDFFF]");
string str = "abcd\U0001D11Eabcd";
str = rx.Replace(str, "?"); // abcd?abcd

如果查看http://en.wikipedia.org/wiki/UTF-16，您会看到非BMP字符由两个16位代码单元组成，其范围在Regex中。