org.json库转换含扩展emoji的JSON字符串异常问题求助

问题本质 #

你遇到的乱码是因为Unicode代理对未被正确合并。像🎉、😍这类扩展Emoji属于Unicode补充平面字符，在Java字符串中以代理对（两个UTF-16编码单元，比如\uf389\uf60d对应🎉）存在。org.json库默认解析时不会处理这种代理对，直接将两个编码单元作为独立字符输出，就会显示成乱码或异常符号。

解决方案 #

方案1：手动修复代理对为完整Emoji字符

写一个工具方法，遍历字符串并合并代理对为完整的Unicode代码点：

public static String fixSurrogatePairs(String input) {
    StringBuilder sb = new StringBuilder();
    int i = 0;
    while (i < input.length()) {
        char c = input.charAt(i);
        // 检测高代理字符（范围：U+D800 至 U+DBFF）
        if (Character.isHighSurrogate(c) && i + 1 < input.length()) {
            char lowSurrogate = input.charAt(i + 1);
            if (Character.isLowSurrogate(lowSurrogate)) {
                // 合并代理对为完整的Unicode代码点
                int codePoint = Character.toCodePoint(c, lowSurrogate);
                sb.appendCodePoint(codePoint);
                i += 2;
                continue;
            }
        }
        sb.append(c);
        i++;
    }
    return sb.toString();
}

使用示例：

String content = "[{  \"message\":\"This year\\u2019s #SexiestManAlive goes to @chrisevans \\uf389\\uf60d \\u2026they did this one for us \\uf979\\n(\\uf4f8: @mschwartzphoto x @people )\"}]";
JSONArray jsonArray = new JSONArray(content);
JSONObject obj = jsonArray.getJSONObject(0);
// 取出原始字符串后修复代理对
String fixedMessage = fixSurrogatePairs(obj.getString("message"));
System.out.println(fixedMessage);

方案2：替换为支持代理对的JSON库

org.json是较老旧的库，对Unicode补充平面支持有限。换用Gson或Jackson这类现代JSON库，它们默认会正确处理代理对，无需手动修复：

用Gson实现

import com.google.gson.Gson;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;

public class EmojiFixDemo {
    public static void main(String[] args) {
        String content = "[{  \"message\":\"This year\\u2019s #SexiestManAlive goes to @chrisevans \\uf389\\uf60d \\u2026they did this one for us \\uf979\\n(\\uf4f8: @mschwartzphoto x @people )\"}]";
        Gson gson = new Gson();
        JsonArray jsonArray = gson.fromJson(content, JsonArray.class);
        JsonObject obj = jsonArray.get(0).getAsJsonObject();
        String message = obj.get("message").getAsString();
        System.out.println(message);
    }
}

用Jackson实现

import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;

public class EmojiFixDemo {
    public static void main(String[] args) throws Exception {
        String content = "[{  \"message\":\"This year\\u2019s #SexiestManAlive goes to @chrisevans \\uf389\\uf60d \\u2026they did this one for us \\uf979\\n(\\uf4f8: @mschwartzphoto x @people )\"}]";
        ObjectMapper mapper = new ObjectMapper();
        JsonNode jsonArray = mapper.readTree(content);
        String message = jsonArray.get(0).get("message").asText();
        System.out.println(message);
    }
}

为什么org.json会出现这个问题 #

org.json库的设计年代较早，对Unicode补充平面的代理对处理逻辑缺失。它在解析\uXXXX转义字符时，仅将其转换为单个UTF-16字符，没有检测并合并代理对（高代理+低代理），导致补充平面的Emoji被拆分为两个独立字符，最终显示乱码。

内容的提问来源于stack exchange，提问作者G SriHAri