Räkna emoji utan att dela ett synligt tecken på mitten
En användare skriver en emoji, men räknaren säger två. En annan emoji kapas till en trasig symbol. Problemet är ofta vilken enhet som räknas, inte skadad indata: JavaScripts length mäter UTF-16-kodenheter medan läsare ser grafemkluster.
Bestäm vad räknaren lovar
Ett bildtextfält som säger ”ett tecken kvar” bör inte avvisa en enda tumme upp för att implementationen räknar två UTF-16-enheter. Men en lagringstjänst kan faktiskt ha en bytegräns. Det är olika krav. Ta före kodändringen reda på om gränsen gäller en etikett som läsaren ser, en databaskolumn eller ett tredjeparts-API. Om bara räknaren ändras kan själva sparandet ändå misslyckas senare.
För synlig text är ett grafem oftast en användbar utgångspunkt: en bokstav med kombinerande accent eller en emoji med modifierare hålls ihop. Det mäter inte skärmbredd. En familjeemoji och en smal bokstav kan räknas som ett grafem var men ta mycket olika plats.
En offentlig fråga från 2016 undrade varför en tumme upp hade längden 2. Tecknet använder ett surrogatpar. Att sprida strängen med spread räknar kodpunkter, vilket löser det enkla exemplet men inte hudtoner, flaggor eller sammanfogade familjer.
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
Kapa bara vid ett helt synligt tecken
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;
}
Detta behåller början av strängen utan att bygga en array av alla segment. Bestäm separat om en ellips ska förbruka en del av gränsen. Kapning i kodenheter kan lämna ett halvt surrogatpar; kapning i kodpunkter kan fortfarande dela en sammanfogad emoji.
Använd avkortningsfunktionen i detta avsnitt med ett kort blandat exempel som A👍🏽B. Om två grafem behålls ska resultatet vara A👍🏽, inte en bar tumme utan hudton. Prova sedan en kombinerande accent och en sammanfogad familj. Poängen är att testa var kapningen sker. En funktion kan räkna hela strängen korrekt men ändå kapa den fel någon annanstans i gränssnittet.
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"
Detta är förväntade exempel för en körmiljö med stöd för grafemsegmentering, inte nytt webbläsartestunderlag. Kontrollera stödet innan du erbjuder beteendet. Om Intl.Segmenter saknas ska du inte tyst byta till en spread-and-slice-reservlösning och lova samma garanti. Bevara användarens indata och förklara begränsningen, eller använd en separat granskad segmenteringsimplementation.
Låt redigering och sparande följa samma regler
I ett levande textfält uppdaterar du räknaren utan att skriva om värdet vid varje tangenttryckning. Vissa inmatningsmetoder bygger ett tecken av flera tangenttryckningar; aggressiv kapning under komposition kan störa skrivandet. Ett säkrare beteende är att visa antalet, förklara ett överskridande och låta användaren redigera före sparandet. Om du skapar en kort visningsetikett låter du hela originaltexten finnas kvar på annat håll.
Bestäm om en tillagd ellips ska ingå i gränsen. För en förhandsvisning på fem grafem inklusive ellips reserverar du plats för markören i stället för att behålla fem och lägga till ett sjätte. Använd inte en gräns för synliga tecken mot ett bytebegränsat API och förvänta dig att texten ryms: hudtonsexemplet ovan är ett grafem men åtta UTF-8-byte.
Jämför före publicering räknaren, den avkortade förhandsvisningen och det sparade värdet med samma exempeluppsättning. Om backend räknar annorlunda dokumenterar du den regeln och validerar mot den. Grafemmedveten hantering förhindrar trasiga kapningar; den normaliserar inte stavning, garanterar inte typsnittsstöd och definierar inte någon annans tjänsteregler.
Vad de registrerade exemplen visar
De bevarade testfallen i Node v24.19.0 / ICU 78.3 omfattade en tumme upp, en hudtonssekvens, en flagga, en sammanfogad familj och en kombinerande accent. Varje exempel var ett grafem. Familjen använde 11 kodenheter och 7 kodpunkter. När den vanliga tummen upp kapades till en enhet blev D83D kvar, ett ensamt högt surrogat.
