сломался

blog.comandeer.pl 3 месяцы назад

Так жарко, что даже моя кошка сломалась... Ты в это не веришь? Посмотри на это:

JavaScript
'🐈'.length // 2

Почему он сломан?

Давайте посмотрим MDN:

The длина свойство данных a Струна Значение содержит длину строки в кодовых единицах UTF-16.

[Длина текстовых строк содержит длину этой строки в кодовых единицах UTF-16.]

Хорошо, но что такое кодовые единицыкодовые единицы)? Пойдем еще раз к Огромный казначей MDN:

Система кодирования символов использует один или несколько блоков кода для кодирования Unicode. кодовая точка. [...] в UTF-16Каждая точка кода кодируется с использованием одного или двух 16-битных блоков кода.

[Система кодирования символов использует один или несколько блоков кода для кодирования точки кода. [...] В UTF-16 каждая точка кода записывается с использованием одного или двух 16-битных блоков кода.

Точки кода можно сравнить с координатами символов в большой таблице всех символов Unicode. На практике это означает, что каждый символ может быть представлен как число, например, буква A - U+0041, а . - U+1F408.

Почему, однако, JS правильно распознает И как текстовая строка, содержащая один символ, а ? как два? Это связано с ограничением UTF-16, более конкретно: 16-битный блок кода может кодировать максимум 2.16 65536 символов. Стандарт Unicode содержит гораздо больше, поэтому некоторые символы кодируются с помощью двух кодовых единиц. В эту группу также входят эмодзи. Проблема в том, что String#length возвращает номер. кодовые единицы В пределах, нет – количество символов. Вот почему . сломан.

Дигрезия

Принципы Unicode в JS очень сложны. MDN дает подробное описание всего механизма..

Как исправить ??

Если мы хотим подсчитать символы в текстовой строке, гораздо более безопасным способом является использование итератора, встроенного в строки:

JavaScript
[ ...'🐈' ].length; // 1

Но, конечно, это не может быть слишком прямолинейно! Есть еще кое-что. графовые кластеры ()графемные кластеры). В большой простоте: некоторые символы на самом деле могут быть комбинацией многих различных символов, например, a a combination представляет собой комбинацию из трех символов: a, a.соединитель нулевой шириныИтератор разобьёт такие смайлики на отдельные компоненты:

JavaScript
[ ...'👨‍👦' ].length; // 3

Это не обязательно желаемый результат. К счастью, есть. Intl.SegmenterБоже мой!

JavaScript
const segmenter = new Intl.Segmenter( 'pl', { granularity: 'grapheme' } ); // 1 console.log( [ ...segmenter.segment( '👨‍👦' ) ].length ); // 2

Сначала мы создаем пример сегментатора (1). Мы сообщаем ему, что разделённый текст будет на польском языке и что мы хотим поделиться им на графиках. После этого с помощью Методы Intl.Segmenter#segment()Мы делим строку, содержащую графовое скопление (2). На этот раз мы получаем 1 результат — один видимый персонаж считается одним персонажем.

Именно так и был отремонтирован!

Читать всю статью