unicode
文字は複数のコードポイントで構成できます

Android C# Language C++ HTML Java Language JavaScript MySQL PHP Python Language Regular Expressions

備考

Unicodeコードポイントは、しばしばプログラマが1文字を考えると、ユーザが1文字と考えるものに対応します。しかし、上記の例のように、「文字」が複数のコードポイントで構成されていることがあります。

つまり、文字列をスライスしたり、指定されたインデックスで文字を取得したりする操作が、期待通りに機能しない可能性があります。例えば、文字列"Café"の4 ^番目の文字は'e' （アクセントなし）です。同様に、文字列を長さ4にクリッピングすると、アクセントが削除されます。

そのようなコード・ポイントのグループの技術用語は、 書記素クラスターです。 UAX＃29：Unicode Text Segmentationを参照してください。

発音記号付きの手紙は、手紙と結合修飾語で表すことができます。あなたは通常、 éを1文字と考えるが、実際には2つのコードポイントである：

同様にç = c + ¸ 、 å = a + ˚

問題を複雑にするために、構成されたフォームのコードポイントもあります。

"Café" = 'C' + 'a' + 'f' + 'e' + '´'
"Café" = 'C' + 'a' + 'f' + 'é'

これらの文字列は同じに見えますが、等しくなく、同じ長さ（それぞれ5と4）もありません。

Zalgo Textと呼ばれるものがあります。この例の最初の書記素クラスタがあります。それは15のコードポイントで構成されています：ラテン文字Hと14の結合マーク。

H

これは通常のテキストでは表示されませんが、「文字」は実際には任意の数のコードポイント

絵文字の多くは、複数のコードポイントで構成されています。

🇯🇵：フラグは「地域記号インジケータ文字」（🇯+🇵）のペアとして定義され、
🙋🏿：いくつかの絵文字の後にスキントーンモディファイアが続く場合があります：🙋+
😀︎またはvariation：Windows 10では、バリエーションセレクタ（ U+FE0EまたはU+FE0F ）を追加することで、絵文字が色付きか白黒かを指定できます。
👨👩👧👦：家族。男女、女の子、男（👦、👧、👩、👨）の絵文字をゼロ幅の参加者（ U+200D ）と一緒にエンコードします。それをサポートするプラットフォームでは、これは2人の子供がいる家族の絵文字としてレンダリングされます。

Modified text is an extract of the original Stack Overflow Documentation

ライセンスを受けた CC BY-SA 3.0

所属していない Stack Overflow