System.Text.Rune 構造体

[アーティクル]
01/11/2024

この記事では、この API のリファレンスドキュメントへの補足的な解説を提供します。

インスタンスは Rune Unicode スカラー値を表します。これは、サロゲート範囲 (U+D800.) を除く任意のコードポイントを意味します。U+DFFF)。型のコンストラクターと変換演算子は入力を検証するため、コンシューマーは基になる Rune インスタンスが整形式であると仮定して API を呼び出すことができます。

Unicode スカラー値、コードポイント、サロゲート範囲、整形式の用語に慣れていない場合は、「.NET での文字エンコードの概要」を参照してください。

Rune 型を使用する場合

コードが次の場合は、型の Rune 使用を検討してください。

Unicode スカラー値を必要とする API を呼び出す
サロゲートペアを明示的に処理する

Unicode スカラー値を必要とする API

コードが a または a stringReadOnlySpan<char>のインスタンスをchar反復処理する場合、サロゲート範囲内のインスタンスでchar一部のcharメソッドが正しく動作しません。たとえば、次の API では、スカラー値 char が正しく機能する必要があります。

次の例は、いずれかのインスタンスがサロゲートコードポイントの場合に char 正しく動作しないコードを示しています。

// THE FOLLOWING METHOD SHOWS INCORRECT CODE.
// DO NOT DO THIS IN A PRODUCTION APPLICATION.
int CountLettersBadExample(string s)
{
    int letterCount = 0;

    foreach (char ch in s)
    {
        if (char.IsLetter(ch))
        { letterCount++; }
    }

    return letterCount;
}

// THE FOLLOWING METHOD SHOWS INCORRECT CODE.
// DO NOT DO THIS IN A PRODUCTION APPLICATION.
let countLettersBadExample (s: string) =
    let mutable letterCount = 0

    for ch in s do
        if Char.IsLetter ch then
            letterCount <- letterCount + 1
    
    letterCount

以下に、以下で動作する同等のコードを ReadOnlySpan<char>示します。

// THE FOLLOWING METHOD SHOWS INCORRECT CODE.
// DO NOT DO THIS IN A PRODUCTION APPLICATION.
static int CountLettersBadExample(ReadOnlySpan<char> span)
{
    int letterCount = 0;

    foreach (char ch in span)
    {
        if (char.IsLetter(ch))
        { letterCount++; }
    }

    return letterCount;
}

上記のコードは、英語などの一部の言語で正しく動作します。

CountLettersInString("Hello")
// Returns 5

ただし、Osage などの基本多言語プレーン以外の言語では正しく機能しません。

CountLettersInString("𐓏𐓘𐓻𐓘𐓻𐓟 𐒻𐓟")
// Returns 0

このメソッドが Osage テキストの正しくない結果を返す理由は、Osage 文字の char インスタンスがサロゲートコードポイントであるためです。 1 つのサロゲートコードポイントには、文字かどうかを判断するのに十分な情報がありません。

代わりにchar使用Runeするようにこのコードを変更した場合、メソッドは Basic 多言語プレーンの外部のコードポイントで正しく動作します。

int CountLetters(string s)
{
    int letterCount = 0;

    foreach (Rune rune in s.EnumerateRunes())
    {
        if (Rune.IsLetter(rune))
        { letterCount++; }
    }

    return letterCount;
}

let countLetters (s: string) =
    let mutable letterCount = 0

    for rune in s.EnumerateRunes() do
        if Rune.IsLetter rune then
            letterCount <- letterCount + 1

    letterCount

以下に、以下で動作する同等のコードを ReadOnlySpan<char>示します。

static int CountLetters(ReadOnlySpan<char> span)
{
    int letterCount = 0;

    foreach (Rune rune in span.EnumerateRunes())
    {
        if (Rune.IsLetter(rune))
        { letterCount++; }
    }

    return letterCount;
}

上記のコードでは、Osage 文字が正しくカウントされます。

CountLettersInString("𐓏𐓘𐓻𐓘𐓻𐓟 𐒻𐓟")
// Returns 8

サロゲートペアを明示的に処理するコード

次のメソッドなど、サロゲートコードポイントを明示的に操作する API をコードが呼び出す場合は、この型の使用 Rune を検討してください。

たとえば、次のメソッドには、サロゲート char ペアを処理するための特別なロジックがあります。

static void ProcessStringUseChar(string s)
{
    Console.WriteLine("Using char");

    for (int i = 0; i < s.Length; i++)
    {
        if (!char.IsSurrogate(s[i]))
        {
            Console.WriteLine($"Code point: {(int)(s[i])}");
        }
        else if (i + 1 < s.Length && char.IsSurrogatePair(s[i], s[i + 1]))
        {
            int codePoint = char.ConvertToUtf32(s[i], s[i + 1]);
            Console.WriteLine($"Code point: {codePoint}");
            i++; // so that when the loop iterates it's actually +2
        }
        else
        {
            throw new Exception("String was not well-formed UTF-16.");
        }
    }
}

次の例のように、このようなコードを使用 Runeする方が簡単です。

static void ProcessStringUseRune(string s)
{
    Console.WriteLine("Using Rune");

    for (int i = 0; i < s.Length;)
    {
        if (!Rune.TryGetRuneAt(s, i, out Rune rune))
        {
            throw new Exception("String was not well-formed UTF-16.");
        }

        Console.WriteLine($"Code point: {rune.Value}");
        i += rune.Utf16SequenceLength; // increment the iterator by the number of chars in this Rune
    }
}

どのようなときに `Rune` を使用しないか

コードが次の場合は、型を Rune 使用する必要はありません。

完全 char 一致を検索します
既知の文字値で文字列を分割します

コードが次の場合、型を Rune 使用すると正しくない結果が返される可能性があります。

内の表示文字数をカウントします。 string

完全 `char` 一致を探す

次のコードは、特定の文字の検索を string 反復処理し、最初の一致のインデックスを返します。コードが 1 つのchar文字で表される文字を検索するため、このコードを使用Runeするように変更する必要はありません。

int GetIndexOfFirstAToZ(string s)
{
    for (int i = 0; i < s.Length; i++)
    {
        char thisChar = s[i];
        if ('A' <= thisChar && thisChar <= 'Z')
        {
            return i; // found a match
        }
    }

    return -1; // didn't find 'A' - 'Z' in the input string
}

既知の文字列を分割する `char`

次の例のように、(スペース) や ',' (コンマ) などの' '区切り記号を呼び出string.Splitして使用するのが一般的です。

string inputString = "🐂, 🐄, 🐆";
string[] splitOnSpace = inputString.Split(' ');
string[] splitOnComma = inputString.Split(',');

コードは単一charの文字で表される文字を探しているので、ここで使用Runeする必要はありません。

内の表示文字数をカウントします。 `string`

文字列内のインスタンスの Rune 数が、文字列を表示するときに表示されるユーザーが認識できる文字の数と一致しない可能性があります。

インスタンスは Unicode スカラー値を表しているためRune、Unicode テキストのセグメント化ガイドラインに従うコンポーネントは、表示文字をカウントするための構成要素として使用Runeできます。

この型を StringInfo 使用して表示文字をカウントできますが、.NET 5 以降以外の .NET 実装のすべてのシナリオでは正しくカウントされません。

詳細については、「Grapheme クラスター」を参照してください。

をインスタンス化する方法 `Rune`

インスタンスを取得 Rune するには、いくつかの方法があります。コンストラクターを使用して、次の場所から直接作成 Rune できます。

コードポイント。

Rune a = new Rune(0x0061); // LATIN SMALL LETTER A
Rune b = new Rune(0x10421); // DESERET CAPITAL LETTER ER

1つの char。
```
Rune c = new Rune('a');
```

サロゲート char ペア。

Rune d = new Rune('\ud83d', '\udd2e'); // U+1F52E CRYSTAL BALL

すべてのコンストラクターは、入力が有効な Unicode スカラー値を表していない場合に an をスロー ArgumentException します。

失敗した場合に Rune.TryCreate 例外をスローしたくない呼び出し元に使用できるメソッドがあります。

Rune インスタンスは、既存の入力シーケンスから読み取ることもできます。たとえば、UTF-16 データを表す a ReadOnlySpan<char> を指定すると、メソッドは Rune.DecodeFromUtf16 入力スパンの先頭にある最初 Rune のインスタンスを返します。このメソッドも Rune.DecodeFromUtf8 同様に動作し ReadOnlySpan<byte> 、UTF-8 データを表すパラメーターを受け入れます。スパンの先頭ではなく、スパンの末尾から読み取る同等のメソッドがあります。

のクエリプロパティ `Rune`

インスタンスの整数コードポイント値を Rune 取得するには、プロパティを Rune.Value 使用します。

Rune rune = new Rune('\ud83d', '\udd2e'); // U+1F52E CRYSTAL BALL
int codePoint = rune.Value; // = 128302 decimal (= 0x1F52E)

型で使用できる char 静的 API の多くは、型でも使用できます Rune 。たとえば、Rune.IsWhiteSpaceメソッドとRune.GetUnicodeCategory Char.GetUnicodeCategory同等Char.IsWhiteSpaceです。メソッドは Rune サロゲートペアを正しく処理します。

次のコード例では、入力として a を ReadOnlySpan<char> 受け取り、スパンの先頭と末尾の両方から文字や数字ではない部分 Rune をトリミングします。

static ReadOnlySpan<char> TrimNonLettersAndNonDigits(ReadOnlySpan<char> span)
{
    // First, trim from the front.
    // If any Rune can't be decoded
    // (return value is anything other than "Done"),
    // or if the Rune is a letter or digit,
    // stop trimming from the front and
    // instead work from the end.
    while (Rune.DecodeFromUtf16(span, out Rune rune, out int charsConsumed) == OperationStatus.Done)
    {
        if (Rune.IsLetterOrDigit(rune))
        { break; }
        span = span[charsConsumed..];
    }

    // Next, trim from the end.
    // If any Rune can't be decoded,
    // or if the Rune is a letter or digit,
    // break from the loop, and we're finished.
    while (Rune.DecodeLastFromUtf16(span, out Rune rune, out int charsConsumed) == OperationStatus.Done)
    {
        if (Rune.IsLetterOrDigit(rune))
        { break; }
        span = span[..^charsConsumed];
    }

    return span;
}

と charRune. 次に例を示します。

定義上のインスタンスをサロゲートコードポイントにすることはできませんのRuneで、これに相当Char.IsSurrogate(Char)するものはありませんRune。
と Rune.GetUnicodeCategory 同じ結果 Char.GetUnicodeCategoryが返されるわけではありません。と同じ値 CharUnicodeInfo.GetUnicodeCategoryが返されます。詳細については、「解説Char.GetUnicodeCategory」を参照してください。

a `Rune` から UTF-8 または UTF-16 への変換

a Rune は Unicode スカラー値であるため、UTF-8、UTF-16、または UTF-32 エンコードに変換できます。この Rune 型には、UTF-8 および UTF-16 への変換が組み込まれています。

インスタンス Rune.EncodeToUtf16 を Rune インスタンスに char 変換します。インスタンスを UTF-16 に変換した結果として発生するRuneインスタンスのchar数を照会するには、このプロパティをRune.Utf16SequenceLength使用します。 UTF-8 変換にも同様のメソッドが存在します。

次の例では、インスタンスを Rune 配列に char 変換します。このコードでは、変数に Rune インスタンス rune があることを前提としています。

char[] chars = new char[rune.Utf16SequenceLength];
int numCharsWritten = rune.EncodeToUtf16(chars);

a string は UTF-16 文字のシーケンスであるため、次の例ではインスタンスも UTF-16 に変換 Rune します。

string theString = rune.ToString();

次の例では、インスタンスを Rune バイト配列に UTF-8 変換します。

byte[] bytes = new byte[rune.Utf8SequenceLength];
int numBytesWritten = rune.EncodeToUtf8(bytes);

and Rune.EncodeToUtf8 メソッドはRune.EncodeToUtf16、書き込まれた要素の実際の数を返します。ターゲットバッファーが短すぎて結果を含められなかった場合は、例外がスローされます。例外を TryEncodeToUtf8 回避したい呼び出し TryEncodeToUtf16 元には、スローやメソッドはありません。

.NET でのルーンと他の言語

"rune" という用語は、Unicode 標準では定義されていません。この用語は UTF-8 の作成に遡ります。 Rob Pike と Ken Thompson は、最終的に何がコードポイントとして知られるかを説明する用語を探していました。彼らは「ルーン」という用語に落ち着き、後にGoプログラミング言語に対するロブ・パイクの影響が用語の普及に役立ちました。

ただし、.NET Rune 型は Go rune 型と同等ではありません。 Go では、この rune 型は〗のエイリアス int32です。 Go ルーンは Unicode コードポイントを表すことを目的としていますが、サロゲートコードポイントや有効な Unicode コードポイントではない値など、任意の 32 ビット値を指定できます。

他のプログラミング言語でも同様の型については、Rust のプリミティブ型または Swift のUnicode.Scalar型を参照してください。どちらも Unicode スカラー値を表charします。これらは、次のような機能を提供します。NET の Rune 型であり、有効な Unicode スカラー値ではない値のインスタンス化を禁止します。

System.Text.Rune 構造体

Rune 型を使用する場合

Unicode スカラー値を必要とする API

サロゲートペアを明示的に処理するコード

どのようなときに `Rune` を使用しないか

完全 `char` 一致を探す

既知の文字列を分割する `char`

内の表示文字数をカウントします。 `string`

をインスタンス化する方法 `Rune`

のクエリプロパティ `Rune`

a `Rune` から UTF-8 または UTF-16 への変換

.NET でのルーンと他の言語

フィードバック

その他のリソース

System.Text.Rune 構造体

Rune 型を使用する場合

Unicode スカラー値を必要とする API

サロゲート ペアを明示的に処理するコード

どのようなときに Rune を使用しないか

完全 char 一致を探す

既知の文字列を分割する char

内の表示文字数をカウントします。 string

をインスタンス化する方法 Rune

のクエリ プロパティ Rune

a Rune から UTF-8 または UTF-16 への変換

.NET でのルーンと他の言語

フィードバック

その他のリソース

サロゲートペアを明示的に処理するコード

どのようなときに `Rune` を使用しないか

完全 `char` 一致を探す

既知の文字列を分割する `char`

内の表示文字数をカウントします。 `string`

をインスタンス化する方法 `Rune`

のクエリプロパティ `Rune`

a `Rune` から UTF-8 または UTF-16 への変換