一个角色能跨越多个符文吗？

Question

我在这个博客上读到的

即使使用符文切片，单个字符也可能跨越多个符文，例如，如果您的字符具有严重的重音，则可能发生这种情况。“字符”的这种复杂和模棱两可的性质是Go字符串被表示为字节序列的原因。

是真的吗？(这似乎是一个知道围棋的人写的博客)。我在我的机器上进行了测试，"è“是1符文和2字节。而去吧医生似乎不这么说。

你见过这样的人物吗？(utf-8)一个角色能在围棋中跨越多个符文吗？

Answer 1

是的，可以：

s := "é́́"
fmt.Println(s, []rune(s))

输出(在围棋游乐场上尝试)：

é́́ [101 769 769 769]

一个角色，四个符文。可能是武断的长时间..。

示例摘自Go博客: Go中的文本规范化。

什么是角色？ 正如在字符串博客文章中提到的，字符可以跨越多个文本。例如，'e‘和'◌́’(急性“\u 0301”)可以组合成'é‘(NFD中的“e\0301”)。这两个符文合在一起是一个字符。字符的定义可能因应用程序的不同而有所不同。对于规范化，我们将把它定义为以一个启动符开始的一个符文序列，一个不与任何其他符文反向修改或组合的符文，然后可能是空的非起始符序列，也就是说，符文(通常是重音)。该归一化算法同时处理一个字符。

字符后面可以跟着任意数量的修饰符 (可以重复和堆叠修饰符)：

理论上，没有绑定到可以构成Unicode字符的符数。事实上，对一个字符后面的修饰符数量没有限制，一个修饰符可以重复，或者堆叠。有没有见过有三个音符的e？给你：'é́́‘。根据标准，这是一个完全有效的4符文字符.

另见：组合字符。

编辑：“这不是扼杀了‘符文的概念’吗？”

答:这不是符文的概念。rune不是一个字符。rune是标识Unicode代码点的整数值。一个字符可以是一个Unicode代码点，在这种情况下，1字符是1 rune。rune的大多数通用用法都适用于这种情况，因此在实践中，这几乎不会让人头痛。这是Unicode标准的一个概念。