检查字符串是否与mySQL兼容

Question

我们有旧的mySQL DB，它只支持UTF-8字符集.Java中是否有一种检测给定字符串是否与UTF-8兼容的方法？

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;
}

上述实现似乎是最好的，但除此之外：

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

每个字符串都是UTF-8兼容的.只要正确设置数据库和MySQL驱动程序中的编码，您就可以设置了。

唯一的缺点是UTF-8编码字符串的字节长度可能比.length()所说的要大。下面是一个函数的Java实现，用于度量一个字符串在编码到UTF-8之后将占用多少字节。

编辑:由于Saqib指出旧的MySQL实际上不支持UTF-8，而只支持BMP子集，所以您可以检查字符串是否包含BMP外部的string.length()==string.codePointCount(0,string.length())代码点("true“表示”所有代码点都在BMP中“)，并使用string.replaceAll("[^\u0000-\uffff]", "")删除它们。

Answer 3

MySQL 定义：

名为utf8的字符集每个字符最多使用三个字节，并且只包含BMP字符。

因此，这一职能应当发挥作用：

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;
 }