Laske emojit katkaisematta näkyvää merkkiä puoliksi
Käyttäjä kirjoittaa yhden emojin, mutta laskuri näyttää kahta. Toinen emoji katkeaa rikkinäiseksi symboliksi. Ongelma on usein laskentayksikkö, ei vioittunut syöte: JavaScriptin length mittaa UTF-16-koodiyksiköitä, kun lukija näkee grafeemiryhmiä.
Päätä, mitä laskurisi lupaa
Kuvatekstikentän, joka ilmoittaa ”yksi merkki jäljellä”, ei pitäisi hylätä yhtä peukkuemojia vain siksi, että toteutus laskee kaksi UTF-16-yksikköä. Tallennuspalvelu voi kuitenkin aidosti rajoittaa tavuja. Nämä ovat eri vaatimuksia. Selvitä ennen koodin muuttamista, koskeeko raja käyttäjälle näkyvää tekstiä, tietokantasaraketta vai ulkopuolista API:a. Pelkän laskurin muuttaminen voi jättää tallennuksen edelleen epäonnistuvaksi.
Näkyvässä tekstissä grafeemi on yleensä hyödyllinen lähtökohta: kirjain yhdistävine aksentteineen tai emoji muokkaimineen pysyy yhdessä. Se ei mittaa näyttöleveyttä. Perhe-emoji ja kapea kirjain voivat kumpikin olla yksi grafeemi mutta viedä hyvin eri määrän tilaa.
Vuoden 2016 julkisessa kysymyksessä ihmeteltiin peukun pituutta 2. Merkki käyttää surrogaattiparia. Merkkijonon levittäminen laskee koodipisteitä ja korjaa tämän yksinkertaisen esimerkin muttei ihonsävyjä, lippuja tai yhdistettyjä perheitä.
const text = "👍🏽";
const s = new Intl.Segmenter("en", { granularity: "grapheme" });
text.length; // 4 code units
[...text].length; // 2 code points
[...s.segment(text)].length; // 1 grapheme
new TextEncoder().encode(text).length; // 8 UTF-8 bytes
Katkaise vain kokonaisen näkyvän merkin jälkeen
function truncate(text, maximum) {
if (!Number.isInteger(maximum) || maximum < 0)
throw new RangeError("Use a nonnegative integer");
const s = new Intl.Segmenter(undefined, { granularity: "grapheme" });
let result = "", count = 0;
for (const item of s.segment(text)) {
if (count++ >= maximum) break;
result += item.segment;
}
return result;
}
Tämä säilyttää merkkijonon alun rakentamatta taulukkoa kaikista osista. Päätä erikseen, lasketaanko lyhennystä osoittavat kolme pistettä (…) mukaan merkkirajaan. Koodiyksikköihin perustuva leikkaus voi jättää puolikkaan surrogaattiparin; koodipisteisiin perustuvakin voi katkaista yhdistetyn emojin.
Kokeile tämän osion katkaisufunktiota lyhyellä yhdistelmäesimerkillä, kuten A👍🏽B. Kahden grafeemin säilyttämisen pitäisi jättää A👍🏽, ei pelkkää peukkua ilman ihonsävyä. Kokeile sitten yhdistävää aksenttia ja yhdistettyä perhettä. Tavoite on testata katkaisukohta. Funktio voi laskea kokonaisen merkkijonon oikein mutta katkaista sen väärin muualla käyttöliittymässä.
const sample = "A👍🏽B";
console.log(truncate(sample, 0)); // ""
console.log(truncate(sample, 1)); // "A"
console.log(truncate(sample, 2)); // "A👍🏽"
console.log(truncate(sample, 3)); // "A👍🏽B"
Nämä ovat odotettuja esimerkkejä grafeemijakoa tukevassa ympäristössä, eivät uusia selaintestituloksia. Tarkista tuki ennen toiminnon tarjoamista. Jos Intl.Segmenter puuttuu, älä vaihda hiljaisesti levitys- ja slice-vararatkaisuun ja lupaa samaa toimintaa. Säilytä käyttäjän syöte ja selitä rajoitus tai käytä erikseen tarkistettua segmentointitoteutusta.
Pidä muokkaus ja tallennus yhdenmukaisina
Päivitä reaaliaikaisen kentän laskuria kirjoittamatta arvoa uusiksi jokaisella näppäinpainalluksella. Jotkin syöttötavat muodostavat yhden merkin useista painalluksista; aggressiivinen lyhentäminen koostamisen aikana voi häiritä kirjoittamista. Turvallisempaa on näyttää määrä, selittää ylitys ja antaa käyttäjän muokata ennen tallennusta. Jos tuotat lyhennetyn näyttötekstin, säilytä koko alkuperäinen saatavilla muualla.
Päätä, lasketaanko loppuun lisätty kolmen pisteen merkki (…) mukaan rajaan. Jos viiden grafeemin esikatselu sisältää tämän merkin, varaa sille tilaa sen sijaan, että säilyttäisit viisi ja lisäisit kuudennen. Näkyvien merkkien raja ei takaa mahtumista tavurajoitteiseen API:in: yllä oleva ihonsävyemoji on yksi grafeemi mutta kahdeksan UTF-8-tavua.
Vertaa ennen julkaisua laskuria, lyhennettyä esikatselua ja tallennettua arvoa samalla näytejoukolla. Jos taustajärjestelmä laskee eri tavalla, dokumentoi käytäntö ja validoi sitä vasten. Grafeemit huomioiva käsittely estää rikkinäiset katkaisut, mutta ei normalisoi oikeinkirjoitusta, takaa fonttitukea tai määritä toisen palvelun sääntöjä.
Mitä tallennetut esimerkit osoittavat
Säilytetyt Node v24.19.0 / ICU 78.3 -testit kattoivat peukun, ihonsävyjonon, lipun, yhdistetyn perheen ja yhdistävän aksentin. Jokainen oli yksi grafeemi. Perheessä oli 11 koodiyksikköä ja 7 koodipistettä; tavallisen peukun leikkaaminen yhteen yksikköön jätti D83D:n, parittoman yläsurrogaatin.
