Question

假设有一个表情符号的十六进制字符串，如＆＃34; 1f1e81f1f3＆＃34;，它是表情符号的代码点的不正确的十六进制字符串，并且＆＃ 39;应该是1f1e8 1f1f3

这两个字符串

我使用org.apache.commons.codec.binary.Hex来解码十六进制字符串，但显然Hex需要输入字符串的长度是偶数，所以我需要将十六进制字符串设置为零填充样式，如＆＃34; 0 1f1e8的 0 1f1f3＆＃34;

目前，我只需更换＆＃34; 1f＆＃34;与＆＃34; 01f＆＃34;，到目前为止一直很好，但自an emoji glyph may contains a sequence of unicode characters以来，所以

简单地更换＆＃34; 1f＆＃34;是否安全用＆＃34; 01f＆＃34; ？
如果它不安全，如何安全/正确地解码这样的十六进制字符串并恢复/翻译它们以纠正表情符号字符/字符序列？我似乎需要实现自定义UTF16BE解码器吗？

背景

这个表情符号的十六进制字符串从＆＃34; <span class="emoji emojiXXXXXXXXXX"></span>＆＃34; string，它是通过非官方HTTP API从流行的IM软件中检索的文本消息。

Answer 1

我最终写了一个小函数来恢复表情符号字符。

基本程序：

指向十六进制字符串的开头。
从十六进制字符串的指针位置搜索，
- 如果它以“1f”开头，则在“1f”之前填充三个零，将其存储到新的十六进制字符串，然后指针指向下一个第五个位置。否则，不会进行零填充，将子字符串存储到新的十六进制字符串，并指针指向下一个第四个位置。
- 将新的十六进制字符串解码为字节数组。
- 使用字节数组中的UTF_32BE或UTF_16BE字符编码创建新字符串。
循环到第2步，直到十六进制字符串结束。

它有效，但它并不完美，如果

表情符号字符序列的一个字符位于补充字符
和
它的十六进制字符串不以“1f”开头，或者十六进制字符串的长度不是5。

代码段：

import java.util.*;
import java.util.regex.*;

import org.apache.commons.codec.*;
import org.apache.commons.codec.binary.Hex;
import org.apache.commons.lang3.*;

public static final Charset UTF_32BE = Charset.forName ("UTF-32BE");
public static final String REGEXP_FindTransformedEmojiHexString = "<span class=\"emoji emoji(\\p{XDigit}+)\"></span>";
public static final Pattern PATTERN_FindTransformedEmojiHexString = Pattern.compile (REGEXP_FindTransformedEmojiHexString, Pattern.CASE_INSENSITIVE);
public static String RestoreEmojiCharacters (String sContent)
{
        bMatched = true;
        String sEmojiHexString = matcher.group(1);

        Hex hex = new Hex (StandardCharsets.ISO_8859_1);
        try
        {
            for (int i=0; i<sEmojiHexString.length ();)
            {
                String sEmoji = null;
                Charset charset = null;
                String sSingleEmojiGlyphHexString = null;
                String sStartString = StringUtils.substring (sEmojiHexString, i, i+2);
                if (StringUtils.startsWithIgnoreCase (sStartString, "1f"))
                {
                    sSingleEmojiGlyphHexString = "000" + StringUtils.substring (sEmojiHexString, i, i+5);
                    i += 5;
                    charset = UTF_32BE;
                }
                else
                {
                    sSingleEmojiGlyphHexString = StringUtils.substring (sEmojiHexString, i, i+4);
                    i += 4;
                    charset = StandardCharsets.UTF_16BE;
                }
                byte[] arrayEmoji = null;
                arrayEmoji = (byte[])hex.decode (sSingleEmojiGlyphHexString);
                sEmoji = new String (arrayEmoji, charset);
                matcher.appendReplacement (sbReplace, sEmoji);
            }
        }
        catch (DecoderException e)
        {
            e.printStackTrace();
        }
    }
    matcher.appendTail (sbReplace);

    if (bMatched)
        sContent = sbReplace.toString ();

    return sContent;
}

如何解码不良形式的表情符号字符串，如＆＃34;`1f1e81f1f3`＆＃34;？

背景

1 个答案: