Tel emoji zonder een zichtbaar teken in tweeën te knippen
Een gebruiker voert één emoji in, maar de teller zegt twee. Een andere emoji wordt afgebroken tot een kapot symbool. Vaak is niet de invoer beschadigd, maar klopt de teleenheid niet: JavaScript length meet UTF-16-code-eenheden, terwijl lezers grafeemclusters zien.
Bepaal wat je teller belooft
Een bijschriftveld dat ‘nog één teken beschikbaar’ zegt, hoort een enkele duim omhoog niet te weigeren omdat de implementatie twee UTF-16-eenheden telt. Een opslagdienst kan daarentegen echt een bytelimiet hebben. Dat zijn verschillende eisen. Zoek vóór het wijzigen van code uit of de limiet geldt voor een zichtbaar label, databasekolom of externe API. Alleen de teller aanpassen kan betekenen dat opslaan later alsnog mislukt.
Voor zichtbare tekst is een grafeem meestal het nuttige uitgangspunt: een letter met combinerend accent of een emoji met modifier blijft bij elkaar. Het is geen maat voor schermbreedte. Een familie-emoji en een smalle letter kunnen beide één grafeem zijn, maar heel verschillende ruimte innemen.
Een openbare vraag uit 2016 ging over een duim omhoog met length 2. Dat teken gebruikt een surrogaatpaar. De string uitspreiden telt codepunten en lost dat eenvoudige voorbeeld op, maar niet huidskleuren, vlaggen of verbonden families.
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
Knip alleen na een volledig zichtbaar teken
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;
}
Dit bewaart het begin van de string zonder eerst een array van alle segmenten te maken. Bepaal apart of een beletselteken meetelt binnen de limiet. Een slice op code-eenheden kan een half surrogaatpaar achterlaten; een slice op codepunten kan nog steeds een verbonden emoji splitsen.
Gebruik de inkortfunctie in deze sectie met een kort gemengd voorbeeld zoals A👍🏽B. Twee grafemen behouden hoort A👍🏽 te bewaren, niet een losse duim waarvan de huidskleur verdwenen is. Probeer daarna een combinerend accent en een verbonden familie. Het gaat om de plaats van de knip. Een functie kan de volledige string correct tellen en die elders in de interface toch verkeerd afkorten.
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"
Dit zijn verwachte voorbeelden voor een runtime met grafeemsegmentatie, geen nieuw browsertestbewijs. Controleer ondersteuning voordat je dit gedrag aanbiedt. Is Intl.Segmenter niet beschikbaar, vervang het dan niet stilzwijgend door spread-and-slice met dezelfde beloofde garantie. Bewaar de invoer en leg de beperking uit, of gebruik een apart beoordeelde segmentatie-implementatie.
Houd bewerken en opslaan consistent
Werk in een live tekstveld de teller bij zonder bij elke toetsaanslag de waarde te herschrijven. Sommige invoermethoden combineren meerdere toetsaanslagen tot één teken; agressief inkorten tijdens die samenstelling kan typen verstoren. Veiliger is de teller tonen, een overschrijding uitleggen en de gebruiker vóór het opslaan laten aanpassen. Maak je een verkort weergavelabel, houd de oorspronkelijke volledige tekst dan elders beschikbaar.
Bepaal of een toegevoegd beletselteken binnen de limiet valt. Reserveer voor een preview van vijf grafemen inclusief beletselteken ruimte voor die markering, in plaats van vijf te behouden en een zesde toe te voegen. Verwacht niet dat een limiet voor zichtbare tekens past binnen een API-bytelimiet: de duim met huidskleurmodifier (👍🏽) op zichzelf is één grafeem, maar acht UTF-8-bytes lang.
Vergelijk vóór publicatie de teller, verkorte preview en opgeslagen waarde met dezelfde voorbeelden. Gebruikt de backend andere telregels, documenteer die dan en valideer ertegen. Inkorten op grafeemgrenzen voorkomt dat een zichtbaar teken in stukken uiteenvalt. Het normaliseert geen spelling, garandeert geen lettertypeondersteuning en verandert niets aan de limieten van een andere dienst.
Wat de geregistreerde voorbeelden aantonen
De bewaarde Node v24.19.0 / ICU 78.3-testvoorbeelden omvatten een duim omhoog, een huidskleurreeks, een vlag, een verbonden familie en een combinerend accent. Elk was één grafeem. De familie gebruikte 11 code-eenheden en 7 codepunten; de gewone duim afknippen tot één eenheid liet D83D achter, een ongepaarde hoge surrogaatcode.
