「👍」の文字数を数えたら、10言語で 1・2・4 の3通りに割れた ― その書き方、本当に通る？⑩

文字列の長さを数える関数は、どの言語にもあります。ところが「👍」を渡すと、答えは 1・2・4 の3通りに割れました。10言語中7言語が、1 と答えませんでした。

何をしたか

CODE Polyglot の入門第4回は、文字列の文字数とバイト数（UTF-8）を出すプログラムです。この回では、Unicode の文字（コードポイント）の数を「文字数」の正解にしています。

JavaScript ならこう書きます。

console.log(`文字数: ${s.length}`);

各言語のいちばん普通の書き方で、毎朝の検証と同じ Linux の環境で動かした結果です。

入力	正解	Python `len`・Ruby `length`	Swift `count`	JavaScript `length`・Java `length()`・Kotlin `length`・C# `Length`	Go `len`・PHP `strlen`・Rust `len()`
`abc`	3	3	3	3	3
`あいう`	3	3	3	3	9
`𠮷野家`	3	3	3	4	10
`👍`	1	1	1	2	4
`家族👨‍👩‍👧`	7	7	3	10	24

6件のうち正解だった数は、Python・Ruby が6件中6件、Swift が6件中5件、JavaScript・Java・Kotlin・C# が6件中3件、Go・PHP・Rust が6件中1件でした。

バイト（Go・PHP・Rust）: UTF-8 に直したときの長さ。ひらがなは1文字3バイト、絵文字は4バイト。英字だけのテストでは正しく見える
UTF-16 の単位（JavaScript・Java・Kotlin・C#）: ふだん使う文字は1つ。ただし「𠮷」や絵文字は2つと数える。日本語のテストでも、ひらがなと常用漢字だけなら気づけない
Unicode の文字（Python・Ruby）: 「👍」も「𠮷」も1つ。家族の絵文字は、人の絵文字3つと、つなぐ記号2つの合計5つと数える
見た目の1文字（Swift）: 家族の絵文字も1つ。だから 家族👨‍👩‍👧 は3になる

Swift の答えは、この回の正解とは違いますが、画面に見える文字の数としては自然です。どれが正しいかは、何のために数えるのかで決まります。データベースの列の長さならバイトか文字、入力欄の「あと何文字」なら見た目の1文字が近いでしょう。

この回の正解（Unicode の文字の数）に合わせるには、次のように書きます。

// Go の len はバイト数を数える。文字（rune）の数は utf8.RuneCountInString で数える
fmt.Printf("文字数: %d\n", utf8.RuneCountInString(s))

// length は UTF-16 の単位を数える（「𠮷」は 2）。[...s] で1文字ずつに分けてから数える
console.log(`文字数: ${[...s].length}`);

// length() は UTF-16 の単位を数えるので「𠮷」や絵文字が 2 になる。codePointCount で Unicode の文字を数える
System.out.println("文字数: " + s.codePointCount(0, s.length()));

// Length は UTF-16 の単位を数えるので「𠮷」や絵文字が 2 になる。EnumerateRunes で Unicode の文字を数える
Console.WriteLine($"文字数: {s.EnumerateRunes().Count()}");

// len() は UTF-8 のバイト数を返す。Unicode の文字の数は chars().count() で数える
println!("文字数: {}", s.chars().count());

// count は見た目の1文字（家族の絵文字は 1）を数える。unicodeScalars.count で Unicode の文字を数える
print("文字数: \(s.unicodeScalars.count)")

直した版は、10言語とも6件中6件が正解になりました。

連載「その書き方、本当に通る？」（全12回）