Emoji表情的拦截

start

先看一个编码

编码示例

看到这个Code，如何解析？那就要先谈一谈编码空间了。

• U+0000~U+10FFFF, 16进制，从U+~U+10共17个，叫平面，每个平面的编码数量自然是16 *16*16*16=65535
• 第一个平面为基本多语言平面，也叫第零平面，其它的叫辅助平面。
• 第一个平面中U+D800~U+DFFF是保留的。
  那么，就可以利用这个保留标志位

Emoji编码

emoji编码有2个字节的，也有4个字节的，当然都得大于0xd800,官方规定了高位从0xd800~0xdbff, 低位从0xdc00~0xdfff.

• 先看看Code如何转化为utf编码吧：
• 0x1F340, 第一空间，先减去0x10000,得到0x0F340
• 转化为二进制 0000 1111 0011 0100 0000 一共10位
• 分成高位和低位，得到 00 0011 1100 和 11 0100 0000，16进制为 0x003C 0x0340
• 上值加0xd800 :0xd800 + 0x003C = 0xd83C
• 下值加0xdc00: 0xdc00 + 0x0340 = 0xdf62

---

过滤

那么，如何过滤？先看看别人是怎么做的吧
http://www.jianshu.com/p/2597d4c3a183
其主要思路就是判断编码的范围
其中一段识别代码，是上面解析编码的逆运算：

const unichar hs = [substring characterAtIndex:0];
if (0xd800 <= hs && hs <= 0xdbff) {
         if (substring.length > 1) {
             const unichar ls = [substring characterAtIndex:1];
             const int uc = ((hs - 0xd800) * 0x400) + (ls - 0xdc00) + 0x10000;
             if (0x1d000 <= uc && uc <= 0x1f77f) {
                 isEomji = YES;
             }
         }
     }

再附加一些零星的判断

__block BOOL isEomji = NO;
[string enumerateSubstringsInRange:NSMakeRange(0, [string length]) options:NSStringEnumerationByComposedCharacterSequences usingBlock:
 ^(NSString *substring, NSRange substringRange, NSRange enclosingRange, BOOL *stop) {
     const unichar hs = [substring characterAtIndex:0];
     if (0xd800 <= hs && hs <= 0xdbff) {
         if (substring.length > 1) {
             const unichar ls = [substring characterAtIndex:1];
             const int uc = ((hs - 0xd800) * 0x400) + (ls - 0xdc00) + 0x10000;
             if (0x1d000 <= uc && uc <= 0x1f77f) {
                 isEomji = YES;
             }
         }
     } else if (substring.length > 1) {
         const unichar ls = [substring characterAtIndex:1];
         if (ls == 0x20e3) {
             isEomji = YES;
         }
     } else {
         if (0x2100 <= hs && hs <= 0x27ff && hs != 0x263b) {
             isEomji = YES;
         } else if (0x2B05 <= hs && hs <= 0x2b07) {
             isEomji = YES;
         } else if (0x2934 <= hs && hs <= 0x2935) {
             isEomji = YES;
         } else if (0x3297 <= hs && hs <= 0x3299) {
             isEomji = YES;
         } else if (hs == 0xa9 || hs == 0xae || hs == 0x303d || hs == 0x3030 || hs == 0x2b55 || hs == 0x2b1c || hs == 0x2b1b || hs == 0x2b50|| hs == 0x231a ) {
             isEomji = YES;
         }
     }
 }];

因为代码比较老，可能会遗漏，那么顺着思路把编码范围判断补全不就好了？于是找到官网看看

http://unicode.org/emoji/format.html#col-totals
https://apps.timwhitlock.info/emoji/tables/unicode#block-6c-other-additional-symbols

其编码范围比较飘逸，还老新增，要想简单搞一下基本不行，必定漏判、误判。维护也很蛋疼。

提个思路：把官网上编码都爬下来，生成数据库，判断的时候查一下，相当于搞了个字库，这样徒增应用大小了。

再换个思路，其实本来之所以要拦截，还是因为后台数据库默认不支持，并不是从使用上考虑要拦截，因此，还是让数据库取支持emoji的存储比较靠谱。