サロゲート文字とか合字とか異体字とかの文字数を取得してみました。

1. 文字数はおいくら？
(Ruby版)
@tsuda_ahr 2014/4/5 LTDD広島 #2

2. 1.サロゲート文字の場合
puts "𩹉".length
※サロゲート文字とは、文字コードが
U+10000
以上の文字をいいます。(かなり嘘かも)

3. 1.サロゲート文字の場合
こたえ
１

4. 1.サロゲート文字の場合
サロゲート文字でも、
正しく文字数を答える模様。

5. 2.合字の場合
puts "を゙".length
puts "が".length
puts "が".length

6. 2.合字の場合
こたえ
２
２
１

7. 2.合字の場合
合字の構成要素数が文字数として戻る。

8. 3.異体字の場合
puts "辻".length
puts "辻󠄀".length

9. 3.異体字の場合
こたえ
１
２

10. 4.C#だとこんな感じ
Ruby C#
サロゲート 𩹉
(U+29E49)
1 2
合字
を゙
(U+3092 U+3099)
2 2
が
(U+304B U+3099)
2 2
が
(U+304C)
1 1
異体字
辻
(U+8FBB)
1 1
辻󠄀
(U+8FBB U+E0100)
2 3
内部がUTF-16なので、
サロゲート領域(U+10000以上)
の文字は 2 でカウントされる。

11. 5.結論
Ruby 結構優秀！
(割と素直)
(というか内部が多分UTF-8)

12. 蛇足) 気にしてほしいこと
 String.Length は処理系によって値が異なることがある。
 内部はどういうデータで保持しているかを想像してほしい。
 入力するユーザー(一般の人)は無慈悲だ。
# システムの都合は察してくれない

13. おわり
ありがとうございました