本文へスキップ
FrAIFlow

トラブル解決 / テキスト・コード

絵文字を途中で切らずに文字数を数える

絵文字を一つ入れただけなのに、カウンターには2文字と出る。別の絵文字は途中で切れて壊れた記号になる。多くの場合、入力の破損ではなく数える単位の問題です。JavaScriptのlengthが測るのはUTF-16コード単位で、読者が見るのは書記素クラスタです。

文字数を数える単位の違いを比較する
保存済みの例に基づく筆者作成の説明図です。アプリのスクリーンショットではありません。

カウンターが何を約束するのかを決める

「あと1文字」と表示するキャプション欄で、内部ではUTF-16の2単位になるという理由だけで親指の絵文字一つを拒否すると分かりにくくなります。一方、保存サービスには本当にバイト数の上限があるかもしれません。これは別の要件です。コードを直す前に、読者向けの表示、データベースの列、外部APIのどれに対する制限か確認しましょう。カウンターだけを変えても、後の保存処理で失敗することがあります。

目に見える文章では、まず書記素を単位に考えると役立ちます。文字と結合アクセント、絵文字と修飾子がひとまとまりになります。ただし画面上の幅ではありません。家族の絵文字一つと幅の狭い文字一つは、どちらも1書記素でも占有する幅が大きく異なります。

2016年の公開相談では、親指の絵文字のlengthが2になる理由が質問されています。この文字はサロゲートペアを使います。スプレッド構文ならコードポイント数を数えられ、この単純な例は直せますが、肌の色、国旗、結合された家族の絵文字までは解決しません。

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
見える文字のまとまりを壊さずに切り詰める
保存済みの例に基づく筆者作成の説明図です。アプリのスクリーンショットではありません。

見える一文字が完結する位置で切る

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;
}

この処理は全区間の配列を作らずに文字列の先頭部分を残します。省略記号を上限に含めるかは別に決めてください。コード単位で切るとサロゲートペアの半分が残り、コードポイントで切っても結合絵文字は分断されることがあります。

この節の切り詰め関数を、A👍🏽Bのような短い混在例で試します。2書記素を残すなら、A👍🏽が残り、肌の色だけが落ちた親指になってはいけません。結合アクセントや結合された家族の絵文字も試してください。確認するのは切断位置です。文字列全体は正しく数えられても、画面の別の処理で誤って切っている可能性があります。

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"

これらは書記素分割に対応する実行環境での期待例であり、新たなブラウザーテストの証拠ではありません。機能を提供する前に対応状況を確認してください。Intl.Segmenterが使えない場合、黙ってスプレッドとsliceに置き換え、同じ保証があると説明してはいけません。入力を保持して制限を伝えるか、別に検証した分割実装を使います。

編集中の表示と保存時の扱いをそろえる

入力中は文字数を更新しても、キーを押すたびに値を書き換えないようにしましょう。複数のキー操作から一文字を組み立てる入力方式があり、変換中の強制的な切り詰めは入力を妨げます。文字数と超過を知らせ、保存前に利用者が編集できるほうが安全です。短い表示ラベルを作る場合も、全文を別の場所で確認できるように残してください。

省略記号を上限に含めるかも決めます。省略記号込みで5書記素なら、5個残して6個目を足すのではなく記号用の場所を確保します。目に見える文字数の上限を、バイト上限のAPIにそのまま適用しても収まるとは限りません。上の肌の色付き絵文字は1書記素でもUTF-8で8バイトです。

公開前には同じサンプルで、カウンター、省略表示、保存値を比較します。バックエンドが別の数え方なら、その方針を説明し、それに対しても検証してください。書記素を考慮すると不自然な分断は防げますが、つづりの正規化、フォントの対応、別サービスの規則まで決めるわけではありません。

保存済みの例から分かること

Node v24.19.0 / ICU 78.3の保存済み試験では、親指、肌の色付きの並び、国旗、結合された家族、結合アクセントを扱いました。それぞれ1書記素です。家族は11コード単位・7コードポイントで、普通の親指を1コード単位に切ると、対応する下位サロゲートのない上位サロゲートD83Dが残りました。

絵文字と結合文字を使った説明例
既存の説明資料を保持しています。
人工的なUnicode文字列の分割テスト記録
人工的なUnicode文字列に対するNode.js Intl.Segmenterの記録結果です。分割は実行環境のUnicodeデータに依存します。記録済みテスト出力のキャプチャであり、元の相談者のアプリ画面ではありません。検証画像を原寸で開く。

出典・関連資料