問題。この文字列は何文字？

[berryzplus]

問1.

test (英語)

問2.

テスト (日本語)

問3.

Schrödingers Katze (シュレディンガーの猫、ドイツ語表記)

問4.

ネ申 (2ちゃん語)

[ds14050]

「この文字列」がどの文字列か曖昧さがありますが、背景色が異なる文字列を選択してブラウザコンソールで getSelection().toString().length を実行しました。結果は順に 4, 3, 19, 2 でした。同意できる数字です。

結合文字や異体字セレクタが混じると意見が変わるでしょうし、問3で空白(文字)をカウントしたことにすでに異論があるかもしれません。「文字」という概念を「文字コード」から切り離して考えるなら、空白を何分割してカウントすることも可能ですから、「半角空白が３文字」という数え方は「文字」の数え方とは異なります。

以上、真意が不明なために面倒くさくなってしまった答えでした。

[berryzplus]

以上、真意が不明なために面倒くさくなってしまった答えでした。

あざっす。真意が伝わりそうな方向に引っかかっていただき、感謝です。
これは、Unicodeの結合文字の概念を理解するためのデモンストレーションです。

ぼくが思う回答は、もうちょっと様子を見てから書きます。
（一応、サクラエディタ機能追加提案の前振りのつもりで立てたissueです。）

[berryzplus]

回答

No	文字列	byte数(UTF-8)	コードポイント数	文字数
問1.	test	4	4	4
問2.	テスト	9	3	3
問3.	Schrödingers Katze	20	19	17
問4.	ネ申	6	2	1

コンピュータ内部の文字列がどのように描画されるか、また、描画された文字列をどのように認識されるか、というのは文化によって異なると思います。

すでに書いてますが問3がポイントで、この文字列はドイツ語の結合文字（ö）を含んでいます。
これは（o）と（　̈）の２つのコードポイントで構成されていますが、人の目には1字に見えます。
「何文字ですか？」に対して空白を1字にカウントするのは変だと思うので回答は17になります。

文字の認識方法は文化によって変わる、これを示すために作ったのが問4です。
「神」という字は「ころもへん（ネ）」に「申す」と書きます。
「ネ申」を「神」とよめるのは2ちゃんが横書きの文化だからだと思います。

WinNLS (Windows の National Language Support) では主要な国・地域・言語における文化の違いがすでに実装されています。ちゃんと使えば結合文字（ö）を1字とカウントさせることができます。
（「ネ申」は無理です。

この辺（↓）の表記の違いも、正しく表示できたらいいなぁ、とか思ったり思わなかったり。

• 東京都葛飾区 (葛󠄁)
• 奈良県葛󠄀城󠄁市 (葛󠄀)