カクヨムの仕様

第1話 サロゲートペア

コンピューターで取り扱う文字の集合の一つにUNICODEというものがある。

これは、当初は「世の中の全ての文字は、２バイトで表せる65536種類に収まるだろう」ということで規格が策定されたのだが、結論から言うと65536では足りなかった。

１文字は必ず２バイトで表せるはずだったのが、それはできなくなってしまったのだ。

現状ではUNICODEの体系はマルチバイト系となってしまい、単純にバイト数から文字列を数えることはできない。

その要因のひとつに『サロゲートペア』というものがある。あまり使わない漢字などがを後からアレもコレもと追加しまくった領域のことなのだが、ここに常用漢字が一つ入ってしまっている。

『𠮟』という文字だ。『叱』という字が別に存在するが、これは書き順が違う同じだが別の文字だ。

さて、カクヨムの対応状況を見ると、入力画面の文字数は大雑把すぎてサロゲートペアに対応しているかはよく分からない。

恐らく、「サロゲートペアや合成文字、異体字セレクタなどを考えると、リアルタイムでそんなものを正確にカウントなどしていられるか！」と言うことなのだろうと思う。

投降後に表示される文字数カウントでは、サロゲートペアを含んでいても正しく『文字数』をカウントしている。

※ 入力画面の右下の文字数カウントはJavaScriptで実装され、閲覧者のスマホやPCで計算されている。それに対し、投降後画面・一覧画面での文字数はカクヨムのサーバーでの処理となり、全く別系統のプログラムが動いている。

文字の入力や表示に関しては問題なく処理されているようで、文字化けを起したりエラーとなってしまうことはないので、遠慮なく使っても良いのだろう。