長い題名を一覧に出すとき、先頭の数文字だけを残して「…」を付けることがあります。この処理を各言語のいちばん普通の書き方で動かすと、10言語中3言語が日本語で正しく動きませんでした。Go と PHP は文字化けし、Rust はプログラムごと止まりました。
何をしたか
CODE Polyglot の入門 第15回 は、文字列の先頭から決まった文字数だけを出し、残りがあれば「…」を付けるプログラムです。
Go ならこう書きます。
if len(s) > n {
fmt.Println(s[:n] + "…")
} else {
fmt.Println(s)
}
毎朝の検証と同じ Linux の環境で動かした結果です。
| 入力と文字数 | 正解 | Python・Ruby・Swift | JavaScript・Java・Kotlin・C# | Go・PHP | Rust |
|---|---|---|---|---|---|
こんにちは世界・5 | こんにちは… | こんにちは… | こんにちは… | こ�… | 止まる |
こんにちは・5 | こんにちは | こんにちは | こんにちは | こ�… | 止まる |
今日は🍣・3 | 今日は… | 今日は… | 今日は… | 今… | 今… |
🍣🍺🍜🍙・2 | 🍣🍺… | 🍣🍺… | 🍣… | �… | 止まる |
𠮷野家の牛丼・2 | 𠮷野… | 𠮷野… | 𠮷… | �… | 止まる |
Hello, World・5 | Hello… | Hello… | Hello… | Hello… | Hello… |
8件のうち正解だった数は、Python・Ruby・Swift が8件中8件、JavaScript・Java・Kotlin・C# が8件中6件、Go・PHP・Rust が8件中3件でした。
何が起きたか
Go・PHP は、バイトで切っています。 「こんにちは世界」の5バイト目は、2文字目の「ん」の途中です。文字の途中で切れた分が、壊れた文字(�)になりました。こんにちは は5文字で切らなくてよい長さなのに、バイトで数えると15あるので「…」まで付きました。
Rust も、バイトで切ろうとします。 ただし、文字の途中を指定すると、壊れた文字列を作らずにエラーで止まります(終了コード 101)。今日は🍣 の 3 は、ちょうど「今」の切れ目なので止まらず、「今…」を返しました。
JavaScript・Java・Kotlin・C# は、UTF-16 の単位で切っています。 絵文字と「𠮷」を2つと数えるので、1文字少なくなりました。この入力ではちょうど絵文字の切れ目でしたが、切る位置が奇数なら、絵文字の半分だけが残ります。
英字のテストでは、10言語すべてが正解します。日本語を入れて、はじめて分かります。
どう直したか
文字の並びに直してから、数えて切ります。
// len(s) と s[:n] はバイトで数えるので、文字の途中で切れる。[]rune に直すと Unicode の文字1つずつの並びになる
chars := []rune(s)
// length と slice は UTF-16 の単位で数えるので、「🍣」や「𠮷」は2つと数える。[...s] で Unicode の文字1つずつの配列に直す
const chars = [...s];
if (chars.length > n) {
console.log(chars.slice(0, n).join("") + "…");
} else {
console.log(s);
}
// len と &s[..n] はバイトの単位なので、日本語の途中で切ろうとすると止まる。
// chars で Unicode の文字(コードポイント)の単位にしてから数え、切る
if s.chars().count() > n {
let head: String = s.chars().take(n).collect();
println!("{}…", head);
} else {
println!("{}", s);
}
直した版は、10言語とも8件中8件が正解になりました。「👨👩👧」のように、いくつもの文字を組み合わせて1つに見える絵文字は、この直し方でも途中で切れることがあります。見た目の1文字で切るには、別の数え方(書記素クラスタ)が要ります。
まとめ
- 文字列を文字数で切ると、10言語中3言語が日本語で壊れた。Go・PHP は文字化け、Rust は止まった
- さらに4言語は、絵文字と「𠮷」で1文字少なくなった
- 文字の並びに直してから切る
- テストには、日本語と絵文字を入れる。英字だけでは10言語すべてが通る
- 10言語の全プログラムは 入門 第15回 にあります
- 第1回:「2026-02-30」を渡したら、PHP と JavaScript だけが黙って3月2日にした
- 第2回:JavaScript で「月の最終日」を出したら、日本では毎回1日前になった
- 第3回:C# の Normalize(FormKC) が、Docker の中では何もしなかった
- 第4回:辞書の「取り出す順番」を10言語で20回ずつ試したら、5通りの性格に分かれた
- 第5回:「+5」を整数に直したら、10言語すべてが黙って 5 にした
- 第6回:メールアドレスの正規表現の「$」が、最後の改行を通した
- 第7回:「東京,大阪,」を split したら、Java・Ruby・Swift は最後の空の項目を捨てた
- 第8回:Excel の「CSV UTF-8」を読ませたら、10言語すべてが見出しの行を見失った
- 第9回:2.675 を小数第2位までにしたら、10言語中4言語が 2.67、Swift はそのまま 2.675 と答えた
- 第10回:「👍」の文字数を数えたら、10言語で 1・2・4 の3通りに割れた
- 第11回:「こんにちは世界」を5文字で切ったら、Go と PHP は文字化けし、Rust は止まった(この記事)
- 第12回:「1234567」が郵便番号の確認を通った。\d は Python・C#・Swift で全角の数字に合う
Analyzegear


