戻る

#ChatGPT に関連している部分のコードを示してカウントさせたところ「４」となった。

そこで「８」になってしまう原因を尋ねたところ、

"
絵文字は 1文字 としてカウントされますが、実際には絵文字は 複数のUnicodeコードユニット で表されることが多いため、str.length と str の内部表現には差異が生じます。
"

"str.length は文字列内の「コードユニット数」を返します。これは、JavaScriptが文字列をUTF-16エンコーディングで内部的に扱うためです。

（郵便物）は、Unicodeで U+1F4E9 というコードポイントで表されます。この絵文字は 1つのコードポイント ですが、UTF-16エンコーディングでは 2つのコードユニット（サロゲートペア）で表されます。
（ご飯）や （お椀）も同様に、各絵文字は 2つのコードユニット で表されます。

そのため、str = "" の場合、各絵文字が 2 つのコードユニットとしてカウントされます。。str.length は、文字数ではなく コードユニット数 なので…
"

#ChatGPT にstr.lengthではなく、Array.from(str).length;を提案された。

これに変更して様子を見る。
別の問題が生じなければ決定。

#メモ
"普通、Unicodeでは1文字につき2バイトのデータを使います。この2バイトには65536通り（0x0000～0xFFFF）のビットが表現できます。Unicodeの本来のアイディアは、この約6万字で世界中の文字を表現しようというものでした。

また、日本語の場合、全角でも半角でも1文字あたり2バイトのデータを使います（例えば、"a"も"あ"も2バイト）。そのため、「文字数 × 2 ＝ 使用バイト数」という関係がいつも成り立ち、使用バイト数を2で割れば文字数を簡単に導き出せました。これは文字列を1文字ずつ処理する場合など、便利な側面がありました。

しかし、最近ではUnicodeに組み込みたい文字の要望が増え、2バイトでは足りなくなってきました。そのため、解決策としてサロゲートペアと呼ばれる手法が導入されました。これは、「1文字＝2バイト」の基本は保ちつつ、一部の文字については「1文字＝4バイト」となる方法です。
"
サロゲートペアとは？文字コードの変換に迫る #Unicode - Qiita
https://qiita.com/shuncask/items/a408db5266f3b2922726

前にも調べたことがあるが…。

「日本語の場合、全角でも半角でも1文字あたり2バイトのデータを使います（例えば、"a"も"あ"も2バイト）」の部分が分かりにくい。

「日本語の場合」という前提だから正しいのだろうけど、「ａ」と「a」は異なるはず。私の理解では、前者は全角で後者は「半角」。で、Twitterで投稿する際には、前者は140文字。後者は280文字まで。ちなみに、マストドンのここでは、前者も後者も500文字。

#メモ
"length は文字数ではなく、単にこの UTF-16 配列の長さだ。

だから、 1 文字に 16bit が 2 つ必要なサロゲートペアは length が 2 となってしまう。
"
JavaScript における文字コードと「文字数」の数え方 | blog.jxck.io
https://blog.jxck.io/entries/2017-03-02/unicode-in-javascript.html

葛󠄀城市
↑
３文字に見えるがマストドンでも４文字とカウントされる。

#メモ
"葛 の異体字として 葛󠄀 があり、カツシカ区は前者を、カサイ市は後者を使うらしい。

ところがこの二つは 𠮟 と 𠮟 のように別の文字コードを振るわけではなく、どちらも同じ文字であり、書き方のバリエーションが違うという扱いになっている。

そこで、基本となる文字コードを定義し、そこに対してバリエーションがあるものはその番号を組み合わせるという考え方が 異体字セレクタ だ。

葛 の文字コードは 0x845B であり、異体字の 1 番目である 葛󠄀 には、後ろに 0xE0101 をつける。
"
JavaScript における文字コードと「文字数」の数え方 | blog.jxck.io
https://blog.jxck.io/entries/2017-03-02/unicode-in-javascript.html

#X で「葛󠄀城市」の「葛󠄀」と「城」の間にカーソルを置いて、キーボードのBackspaceを押すと「葛城市」になる。
マストドンのここのフォームでも、
「葛󠄀城市」の「葛󠄀」の次の「城」が改行されていると、「城」の前でBackspaceを押すと「葛城市」になるみたい。