标签: grapheme-cluster

我正在使用 C++ ICU 库。我希望将 utf-8 字符串分割成大致相等的块。但是，我希望在字素簇边界处划分块。我不希望将整个字符串转换为 utf-16 来实现内存和速度效率。相反，我想将少量接近我估计的块边界的 utf-8 代码点转换为 utf-16。然后我可以使用 ICU 的BreakIterator来计算出确切的边界。

组成字素簇的码点数量是否有硬性上限？如果是这样，那是什么？我需要知道这一点才能确定从 utf-8 转换为 utf-16 所需的最小代码点。

据我所知，Dart不支持字素簇，尽管有人说支持它：

• Dart字符串应支持Unicode字形群集操作＃34
• 最小的Unicode字形群集支持＃49

在实施之前，通过字素簇进行迭代的选择有哪些？例如，如果我有这样的字符串：

String family = '\u{1F468}\u{200D}\u{1F469}\u{200D}\u{1F467}'; // ??
String myString = 'Let me introduce my $family to you.';

在五个代码点的家庭表情符号后面有一个光标：

如何将光标向左移动一个用户可感知的字符？

（在这种特殊情况下，我知道了字素簇的大小，因此我可以做到，但是我真正要问的是找到任意长的字素簇的长度。）

更新资料

我从本文中看到，Swift使用了系统的ICU库。Flutter中可能有类似的可能。

补充代码

对于那些想玩我上面的示例的人，这里是一个演示项目。按钮将光标向右或向左移动。当前需要按8个按钮才能将光标移到家庭表情符号上。

主镖

import 'package:flutter/material.dart';

void main() => runApp(MyApp());

class MyApp extends StatelessWidget {
  @override
  Widget build(BuildContext context) {
    return MaterialApp(
      home: Scaffold(
        appBar: AppBar(title: Text('Grapheme cluster testing')),
        body: BodyWidget(),
      ),
    );
  }
}

class BodyWidget extends StatefulWidget {
  @override
  _BodyWidgetState createState() => _BodyWidgetState();
}

class _BodyWidgetState extends State<BodyWidget> {

  TextEditingController …

对字符串执行 Unicode 规范化（假设没有孤立的组合字符）的结果是否与将字符串拆分为字素簇、单独规范化每个簇然后连接规范化的字素簇的结果相同？（如果是这样，这是否仅适用于规范化形式的子集？）

提出这个问题主要是出于对 Unicode 如何工作以及弄清楚可能存在哪些潜在边缘情况的兴趣，而不是作为具体应用程序的一部分。