問題描述：從新浪微博抓取消息保存到MySQL數(shù)據(jù)中，對應數(shù)據(jù)庫字段為varchar，字符編碼utf-8。部分插入成功，部分插入失敗，報錯如標題。

在網(wǎng)上查詢，有人說是編碼問題，建議修改編碼格式，比如改成gbk，UTF-8，blob等等，但是幾乎沒有人給出更詳細的答案。在一個英文網(wǎng)站上，才發(fā)現(xiàn)真正錯誤的原因。鏈接1 鏈接2

錯誤原因：我們可以看到錯誤提示中的字符0xF0 0x9F 0x98 0x84 ，這對應UTF-8編碼格式中的4字節(jié)編碼（UTF-8編碼規(guī)范）。正常的漢字一般不會超過3個字節(jié)，為什么為出現(xiàn)4個字節(jié)呢？實際上是它對應的是智能手機輸入法中的表情。那為什么會報錯呢？因為mysql中的utf-8并不是真正意義上的utf-8，它只能存儲1~3個字節(jié)長度的utf-8編碼，如果想存儲4個字節(jié)的必須用utf8mb4類型。不而要使用utf8mb4類型，首先要保證Mysql版本要不低于 MySQL 5.5.3。

解決方案：

1）使用utf8mb4數(shù)據(jù)類型

   要用這種策略，如果MySql版本低于5.5.3，首先要進行版本升級，然后將對應的數(shù)據(jù)類型改為utf8mb4類型。如果使用的是Connector/J 連接數(shù)據(jù)庫，需要在配置中把編碼格式改為utf8mb4（set character_set_server=utf8mb4 in the connection config）。

2）自定義過濾規(guī)則，將文本中出現(xiàn)的四字節(jié)UTF-8字符過濾或轉(zhuǎn)化為自定義類型。

    下面是將4字節(jié)字符轉(zhuǎn)化為0000的測試例子。