启福

转发了一条微博，里面有个电池的emoji表情，导致微博页面自动抓取并存入MySQL数据库后，emoji表情及后面的所有字符串被截断舍弃，所以最后只显示出了半条微博……

搜索后发现，是因为该表情的UTF-8编码占用了4个字节（Unicode为1F50B[11111010100001011]，UTF-8为F09F948B[11110000 10011111 10010100 10001011]），而MySQL的utf8默认仅支持1-3字节的编码，故出错。

解决方法是，将数据库的utf8编码升级为utf8mb4，然后PHP操作数据库前加上”SET NAMES utf8mb4″即可。

然后我发现，在手机、IE11下，该emoji均可正常显示，但是Windows的Chrome下显示为“口”，网上解决方法多为安装插件，但我又控制不了所有的浏览器，所以，我的方法是在CSS中font-family的末尾、sans-serif（或其它通常字体系列名称）的前面加上”Segoe UI Emoji”，这样根据font-family的回退规则，浏览器会自动以Segoe UI Emoji字体显示表情，从Win7开始就支持该字体了，同时不影响在其他平台的显示。

另外还发现了Chrome的另一个问题，如果使用了first-letter选择器将第一个字号调大，那么在用鼠标选取后面的文字时，会出现光标与反显不同步的现象（明明你的光标划过了某个字，但却选中了后面的一个字）。这应该是浏览器内核问题，安卓版chrome及Opera也都有选取文字不跟手的问题，但是IE正常。

#稍微学习了下字符编码问题，总结下来：

最简单的应该是ASCII码了，其用一个字节（8比特）来编码128个字符，首位是0，即0xxxxxxx。
记事本中的ANSI编码方式，对于英文文件是ASCII编码，对于简体中文文件是GB2312编码，繁体中文文件是Big5编码。

然后是Unicode，其编码符范围可以涵盖世界上所有符号。
记事本中的Unicode是用两个字节存储，顺序方式为Big endian，反过来存就是Little endian，通过在每一个文件的最前面加入表示编码顺序的字符“FE FF”或“FF FE”（以十六进制表示）区别。

UTF-8是Unicode的一种实现方式，带有控制位，可变长度，解决了Unicode存储及识别的问题。规则为：
①单字节符号，字节的第一位设为0，后面7位为这个符号的Unicode码。因此，英语字母的UTF-8编码和ASCII码相同。
②多（n）字节符号，第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10，其余的二进制位，全部为这个符号的Unicode码，从后往前填，剩余位补零。
上面的01串即通过此规则转换得出。
记事本中UTF-8文件的开头为“EF BB BF”，ANSI文件开头无这种标识。