Java 如何解码表情符号不适形成的十六进制字符串，如`1f1e81f1f3`"；？

假设有一个十六进制的表情符号字符串，比如“

1f1e81f1f3

”，它是一个表情符号的代码点的不合适的十六进制字符串，应该是两个字符串，比如

1f1e8

1f1f3

我用它来解码十六进制字符串，但显然十六进制需要输入字符串的长度是均匀的，所以我需要将十六进制字符串设置为零填充样式，如“0

1f1e8

0

1f1f3

”

目前，我只是简单地将“1f”替换为“01f”，到目前为止还不错，但从那时起，到现在为止

• 简单地将“1f”替换为“01f”安全吗
• 如果不安全，如何安全/正确地解码这些十六进制字符串，并将其还原/翻译为正确的表情符号/字符序列？似乎我需要实现一个定制的UTF16BE解码器

背景

---

这个表情符号的十六进制字符串是从“

”字符串中剥离出来的，它是一条通过非官方HTTP API从流行IM软件中检索到的文本消息。

我最后编写了一个小函数来恢复表情符号

基本程序：

创建一个指向十六进制字符串开头的指针

从十六进制字符串的指针位置进行搜索，

• 如果它以“

  1f

  ”开头，则在“

  1f

  ”之前填入三个零，将其存储到新的十六进制字符串中，然后将指针移到下一个第5位。否则，不进行零填充，将子字符串存储到新的十六进制字符串，并将指针步移到下一个第四位置
• 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

循环到步骤2，直到十六进制字符串结束

它可以工作，但并不完美，如果

• 表情符号字符序列的一个字符位于补充字符中
• 及
• 它的十六进制字符串不以“

  1f

  ”开头，或者它的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;
}

import java.util.*；
导入java.util.regex.*；
导入org.apache.commons.codec.*；
导入org.apache.commons.codec.binary.Hex；
导入org.apache.commons.lang3.*；
公共静态最终字符集UTF_32BE=Charset.forName（“UTF-32BE”）；
公共静态最终字符串REGEXP_findttransformedemojihexstring=“”；
公共静态最终模式Pattern\u findttransformedemojihexstring=Pattern.compile（REGEXP\u findttransformedemojihexstring，Pattern.CASE\u不区分大小写）；
公共静态字符串RestoreEmojiCharacters（字符串内容）
{
b匹配=真；
String sEmojiHexString=matcher.group（1）；
十六进制=新十六进制（标准字符集ISO_8859_1）；
尝试
{
对于（inti=0；ii），我最终编写了一个小函数来恢复表情符号

基本程序：

创建一个指向十六进制字符串开头的指针
从十六进制字符串的指针位置进行搜索，

如果它以“
1f
”开头，则在“
1f
”之前填充三个零，将其存储到一个新的十六进制字符串，然后指针步进到下一个第5位。否则，不进行零填充，将子字符串存储到一个新的十六进制字符串，并将指针步进到下一个第4位
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

循环到步骤2，直到十六进制字符串结束
它可以工作，但并不完美，如果


表情符号字符序列的一个字符位于补充字符中
及
它的十六进制字符串不以“
1f
”开头，或者它的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;
}

import java.util.*；
导入java.util.regex.*；
导入org.apache.commons.codec.*；
导入org.apache.commons.codec.binary.Hex；
导入org.apache.commons.lang3.*；
公共静态最终字符集UTF_32BE=Charset.forName（“UTF-32BE”）；
公共静态最终字符串REGEXP_findttransformedemojihexstring=“”；
公共静态最终模式Pattern\u findttransformedemojihexstring=Pattern.compile（REGEXP\u findttransformedemojihexstring，Pattern.CASE\u不区分大小写）；
公共静态字符串RestoreEmojiCharacters（字符串内容）
{
b匹配=真；
String sEmojiHexString=matcher.group（1）；
十六进制=新十六进制（标准字符集ISO_8859_1）；
尝试
{
对于（int i=0；iuh，显然它不安全，标题中的示例十六进制字符串甚至不安全，
1f1f3
变成
01f01f3
。唯一安全的方法是在相应的样式表中查找
emojixxxxxxxxx
类的定义。
origin？然后，您可以得到格式良好的十六进制字符串而不是格式错误的符号。@JosefZ，不，它们没有分开，一个表情符号只使用一个
，相反，表情符号的所有字符序列都在
span
元素的
class
属性中以十六进制字符串表示。我使用以下正则表达式提取十六进制字符串：
。嗯，很明显显然，这是不安全的，对于标题中的示例十六进制字符串，
1f1f3
变为
01f01f3
。唯一安全的方法是在相应的样式表中查找
emojixxxxxxxxx
类的定义。
来源？然后，您可以得到格式良好的十六进制字符串而不是格式错误的符号。@JosefZ，不，它们没有分开，一个表情符号只使用一个
，相反，表情符号的所有字符序列都在
span
元素的
class
属性内以十六进制字符串表示。我使用以下正则表达式提取十六进制字符串：
。