Java es capaz de almacenar TODO el texto Unicode válido. Utiliza UTF-16 internamente.
Si configura correctamente toda la ruta de datos, se conservará todo el texto. Debe asegurarse de:
- La cadena correcta llega a Java (en el caso de las aplicaciones web, la codificación de caracteres del formulario que se envía).
- Java sabe que debería comunicarse con la base de datos en UTF-8 y la base de datos sabe que debería esperar UTF-8 a través de la conexión. Asegúrese de esto cuando configure la conexión a la base de datos.
- Los datos se almacenan como UTF-8 en la base de datos.
Tenga en cuenta que [la documentación de MySQL] afirma UTF-8 no puede almacenar caracteres fuera del plano multilingüe básico (todos los caracteres "normales" se encuentran dentro de BMP). UTF-8 en sí mismo es perfectamente capaz de almacenar todos los caracteres Unicode y la base de datos también debería poder codificar estos caracteres.
Java en sí está bien, solo recuerde que algunos caracteres Unicode raros son en realidad dos caracteres (llamados par suplente ) en Java.
