| |
こんにちは。秀丸愛用者の「でるもんた・いいじま」です。
> 「普通でない」文字すなわち複数のスカラー値からなる
> 「書記素クラスタ」は正しく構成スカラー値のサイズの
> 合計となるのでしょうか?
>
> 例えば、「女性消防士」を表す絵文字は
> U+1F469 (サロゲートペア) +
> U+1F3FD (サロゲートペア) +
> U+200D (通常スカラー値) +
> U+1F692 (サロゲートペア)
> となっているのですが、wcslen()はこれを正しく 2 + 2 + 1 + 2 = 7文字と
> 返してくれるのでしょうか?
実験してみました。実際に7になります。
$a = unichar(0x1F469) + unichar(0x1F3FD) + unichar(0x200D) + unichar(0x1F692);
message sprintf("wcslen('%s') == %d\n", $a, wcslen($a));
あるいは、こんなテストコードに実際に入力してみることもできます。
while (1)
{
$a = input("Enter some text.");
if ( !result ) endmacro;
message sprintf("wcslen('%s')==%d", $a, wcslen($a) );
}
☆ ☆ ☆
> また、同じ文字が複数の種類の異なるコードポイントで表現可能な
> ときにはwcslen()はどのように振る舞うのでしょうか?
これは、
「秀丸はコードの正規化を行わない」
「バイナリ表現が異なれば、意味するものが同一でもそれぞれ異なる文字列として扱う」
というのが正解になると思います。
なので、
> 例えば、「ắ」という文字は
> U+1EAF
> U+0103 + U+0301
> U+0301 + U+0306 + U+0301
> の3種類で表現可能ですが、スカラー値のサイズの合計も
> 上から1文字、2文字、3文字、と異なっているのですが、
> wcslen()はこの3つのどれを採用するのでしょうか?
この例でいえば、wcslenはこのそれぞれのコード列に対してそれぞれ異なる値（つまり、順に1、2、3）が返ります。
$a = unichar(0x1EAF);
$b = unichar(0x0103) + unichar(0x0301);
$c = unichar(0x0101) + unichar(0x0306) + unichar(0x0301);
message sprintf("[%s]:%d\n[%s]:%d\n[%s]:%d\n",
$a, wcslen($a), $b, wcslen($b), $c, wcslen($c));
また、この3つの文字列を等号で比較したり、strstr() でマッチングさせたりしても、内部表現が異なっていれば同じ文字列とはみなされません。
$a = unichar(0x1EAF);
$b = unichar(0x0103) + unichar(0x0301);
message sprintf("($a==$b)==%d, strstr($a,$b)=%d\n", ($a==$b), strstr($a,$b));
検索でも同様です。
setcompatiblemode 0x20000;
$a = unichar(0x1EAF);
$b = unichar(0x0103) + unichar(0x0301);
insert sprintf( "Here is the patterns: '%s' and '%s'.\n", $a, $b);
searchdown "[\\u1EAF]", regular, hilight, loop;
＃ところで3番目のパターン、最初のU+0301はU+0101か何かの間違いですよね？
＃合成用文字だけが3つ並んでいて、そのベースになる文字がありませんので。
☆ ☆ ☆
もし unichar() では心配ということであれば、マクロファイルを「UTF-16LEのBOMつき」または「UTF-8のBOMつき」で保存すれば大抵のものは文字列の中にそのまま書けるはずですので、ぜひそれでテストコードを色々と書いてみてください。
☆ ☆ ☆
後半の件につきましては担当さんからのお返事をお待ちください。
|
|