Đếm emoji mà không cắt đôi một ký tự nhìn thấy
Người dùng nhập một emoji nhưng bộ đếm báo hai. Emoji khác bị cắt thành ký hiệu hỏng. Vấn đề thường nằm ở đơn vị đếm, không phải đầu vào lỗi: length của JavaScript đo đơn vị mã UTF-16, trong khi người đọc nhìn thấy các cụm tự vị.
Xác định giới hạn đang tính ký tự hay byte
Trường chú thích ghi “còn một ký tự” không nên từ chối một biểu tượng ngón cái chỉ vì mã đếm hai đơn vị UTF-16. Nhưng dịch vụ lưu trữ có thể thực sự giới hạn byte. Đó là hai yêu cầu khác nhau. Trước khi sửa mã, xác định giới hạn dành cho nhãn người đọc thấy, cột cơ sở dữ liệu hay API bên thứ ba. Chỉ đổi bộ đếm có thể khiến thao tác lưu vẫn thất bại về sau.
Với văn bản nhìn thấy, cụm tự vị thường là điểm bắt đầu hữu ích: chữ và dấu kết hợp, hoặc emoji và thành phần biến thể, được giữ cùng nhau. Nó không đo bề rộng màn hình. Emoji gia đình và một chữ hẹp có thể đều tính là một cụm nhưng chiếm không gian rất khác nhau.
Một câu hỏi công khai năm 2016 hỏi vì sao ngón cái có length bằng 2. Ký tự đó dùng cặp surrogate. Trải chuỗi bằng spread đếm điểm mã, sửa được ví dụ đơn giản đó nhưng không giải quyết màu da, cờ hoặc gia đình nối liền.
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
Chỉ cắt tại ranh giới ký tự nhìn thấy hoàn chỉnh
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;
}
Cách này giữ đầu chuỗi mà không xây mảng chứa tất cả đoạn. Quyết định riêng dấu ba chấm có chiếm giới hạn hay không. Cắt theo đơn vị mã có thể giữ nửa cặp surrogate; cắt theo điểm mã vẫn có thể tách emoji nối liền.
Dùng hàm cắt ngắn trong phần này với mẫu hỗn hợp ngắn như A👍🏽B. Giữ hai cụm tự vị phải giữ A👍🏽, không phải ngón cái trần đã mất màu da. Sau đó thử dấu kết hợp và emoji gia đình nối liền. Mục tiêu là kiểm tra vị trí cắt. Hàm có thể đếm đúng cả chuỗi nhưng vẫn cắt sai ở nơi khác trong giao diện.
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"
Đây là kết quả mong đợi trong môi trường hỗ trợ phân đoạn tự vị, không phải bằng chứng thử trình duyệt mới. Kiểm tra hỗ trợ trước khi cung cấp hành vi này. Nếu Intl.Segmenter không có, đừng âm thầm thay bằng spread-and-slice rồi tuyên bố bảo đảm tương đương. Giữ đầu vào và giải thích hạn chế, hoặc dùng triển khai phân đoạn đã được kiểm duyệt riêng.
Giữ việc chỉnh sửa và lưu nhất quán
Với trường nhập trực tiếp, cập nhật bộ đếm mà không viết lại giá trị sau mỗi phím. Một số bộ gõ ghép nhiều phím thành một ký tự; cắt quá sớm trong lúc ghép có thể cản trở việc gõ. Cách an toàn hơn là hiển thị số lượng, giải thích phần vượt và để người dùng sửa trước khi lưu. Nếu tạo nhãn rút gọn, vẫn giữ nguyên văn bản đầy đủ ở nơi khác.
Quyết định dấu ba chấm có nằm trong giới hạn không. Với bản xem trước năm cụm tính cả dấu ba chấm, dành chỗ cho dấu đó thay vì giữ năm rồi thêm cụm thứ sáu. Đừng áp giới hạn ký tự nhìn thấy cho API giới hạn byte và mong sẽ vừa: ví dụ màu da trên là một cụm nhưng tám byte UTF-8.
Trước khi phát hành, đối chiếu bộ đếm, bản xem trước rút gọn và giá trị đã lưu bằng cùng bộ mẫu. Nếu backend đếm theo chính sách khác, ghi rõ và kiểm tra theo chính sách đó. Xử lý theo cụm tự vị tránh cắt hỏng; nó không chuẩn hóa cách viết, bảo đảm phông chữ hay định nghĩa quy tắc của dịch vụ khác.
Các ví dụ đã ghi chứng minh điều gì?
Các mẫu Node v24.19.0 / ICU 78.3 được lưu bao gồm ngón cái, chuỗi màu da, cờ, gia đình nối liền và dấu kết hợp. Mỗi mẫu là một cụm tự vị. Gia đình dùng 11 đơn vị mã và 7 điểm mã; cắt ngón cái thường còn một đơn vị để lại D83D, một high surrogate không có cặp.
