Menghitung emoji tanpa membelah karakter yang terlihat
Pengguna memasukkan satu emoji, tetapi penghitung menunjukkan dua. Emoji lain terpotong menjadi simbol rusak. Masalahnya sering kali satuan yang dihitung, bukan masukan rusak: length JavaScript menghitung unit kode UTF-16, sementara pembaca melihat gugus grafem.
Tentukan apa yang dijanjikan penghitung Anda
Kolom keterangan yang menyatakan “tersisa satu karakter” tidak seharusnya menolak satu jempol hanya karena implementasinya menghitung dua unit UTF-16. Namun, layanan penyimpanan mungkin memang menetapkan batas byte. Kebutuhannya berbeda. Sebelum mengubah kode, tentukan apakah batas itu untuk label bagi pembaca, kolom basis data, atau API pihak ketiga. Mengubah penghitung saja dapat membuat penyimpanan tetap gagal nanti.
Untuk teks yang terlihat, grafem biasanya titik awal yang berguna: huruf dengan aksen gabungannya atau emoji dengan modifier-nya tetap bersama. Grafem bukan ukuran lebar layar. Satu emoji keluarga dan satu huruf sempit bisa sama-sama dihitung satu grafem tetapi menempati ruang sangat berbeda.
Pertanyaan publik tahun 2016 menanyakan mengapa jempol memiliki length 2. Karakter itu memakai pasangan surrogate. Menyebarkan string menghitung titik kode, sehingga memperbaiki contoh sederhana itu tetapi tidak warna kulit, bendera, atau keluarga gabungan.
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
Potong hanya pada batas karakter terlihat yang utuh
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;
}
Cara ini mempertahankan awal string tanpa membuat larik seluruh segmen. Tentukan secara terpisah apakah elipsis memakan bagian batas. Pemotongan unit kode dapat menyisakan separuh pasangan surrogate; pemotongan titik kode masih dapat membelah emoji gabungan.
Gunakan fungsi pemotongan pada bagian ini dengan contoh campuran pendek seperti A👍🏽B. Mempertahankan dua grafem seharusnya menyisakan A👍🏽, bukan jempol tanpa warna kulitnya. Lalu coba aksen gabungan dan keluarga gabungan. Tujuannya menguji lokasi pemotongan. Fungsi bisa menghitung string lengkap dengan benar tetapi masih memotongnya secara keliru di bagian antarmuka lain.
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"
Ini hasil yang diharapkan untuk runtime yang mendukung segmentasi grafem, bukan bukti pengujian peramban baru. Periksa dukungannya sebelum menawarkan perilaku ini. Jika Intl.Segmenter tidak tersedia, jangan diam-diam menggantinya dengan fallback spread-and-slice dan mengklaim jaminan sama. Pertahankan masukan pengguna dan jelaskan keterbatasannya, atau gunakan implementasi segmentasi yang ditinjau terpisah.
Jaga penyuntingan dan penyimpanan tetap konsisten
Untuk bidang teks interaktif, perbarui hitungan tanpa menulis ulang nilai pada setiap ketukan tombol. Beberapa metode masukan menyusun beberapa ketukan menjadi satu karakter; pemangkasan agresif selama komposisi dapat mengganggu pengetikan. Interaksi lebih aman adalah menunjukkan hitungan, menjelaskan kelebihan, dan membiarkan pengguna mengedit sebelum menyimpan. Jika membuat label tampilan yang dipendekkan, sediakan teks asli lengkap di tempat lain.
Tentukan apakah elipsis tambahan termasuk batas. Untuk pratinjau lima grafem termasuk elipsis, sisihkan ruang bagi penanda itu, bukan menyimpan lima lalu menambahkan yang keenam. Jangan menerapkan batas karakter terlihat ke API berbatas byte dan berharap muat: contoh warna kulit di atas adalah satu grafem tetapi delapan byte UTF-8.
Sebelum rilis, bandingkan penghitung, pratinjau pendek, dan nilai tersimpan memakai kumpulan contoh yang sama. Jika backend menerapkan aturan hitung berbeda, dokumentasikan dan validasi terhadap aturan tersebut. Penanganan sadar grafem mencegah potongan rusak; bukan menormalkan ejaan, menjamin dukungan font, atau menentukan aturan layanan lain.
Apa yang dibuktikan contoh tercatat
Contoh uji Node v24.19.0 / ICU 78.3 yang dipertahankan mencakup jempol, urutan warna kulit, bendera, keluarga gabungan, dan aksen gabungan. Semuanya satu grafem. Keluarga memakai 11 unit kode dan 7 titik kode; memotong jempol biasa menjadi satu unit menyisakan D83D, high surrogate tanpa pasangan.
