언어 서비스 기능에서 다국어 및 이모지 지원
다국어 및 이모지 지원으로 인해 하나 이상의 코드 포인트를 사용하여 문자소라고 하는 단일 표시 문자를 나타내는 유니코드 인코딩이 가능해졌습니다. 예를 들어, 🌷 및 👍와 같은 이모지는 여러 문자를 사용하여 피부 톤과 같은 시각적 특성에 대한 추가 문자로 모양을 구성할 수 있습니다. 마찬가지로 힌디어 단어 अनुच्छेद는 5개의 문자와 3개의 결합 표시로 인코딩됩니다.
가능한 다국어 및 이모지 인코딩의 길이가 다르기 때문에 언어 서비스 기능은 응답에서 오프셋을 반환할 수 있습니다.
API 응답의 오프셋
오프셋이 API 응답을 반환할 때마다 다음을 기억하세요.
- 응답의 요소는 호출된 엔드포인트에 특정될 수 있습니다.
- HTTP POST/GET 페이로드는 UTF-8로 인코딩되며, 이는 클라이언트 측 컴파일러 또는 운영 체제의 기본 문자 인코딩일 수도 있고, 아닐 수도 있습니다.
- 오프셋은 문자 수가 아닌 유니코드 8.0.0 표준을 기반으로 하는 문자소 수를 참조합니다.
오프셋이 있는 텍스트에서 부분 문자열 추출
오프셋은 문자 기반 하위 문자열 메서드(예: .NET substring() 메서드)를 사용할 때 문제가 발생할 수 있습니다. 한 가지 문제는 오프셋으로 인해 하위 문자열 메서드가 끝이 아닌 다중 문자 문자소 인코딩의 중간에서 끝날 수 있다는 것입니다.
.NET에서는 개별 문자 개체가 아닌 일련의 텍스트 요소로 문자열을 사용할 수 있는 StringInfo 클래스를 사용하는 것이 좋습니다. 선호하는 소프트웨어 환경에서 문자소 분할기 라이브러리를 찾을 수도 있습니다.
언어 서비스 기능은 편의상 이러한 텍스트 요소도 반환합니다.
오프셋을 반환하는 엔드포인트는 stringIndexType 매개 변수를 지원합니다. 이 매개 변수는 요청된 문자열 반복 체계와 일치하도록 API 출력의 offset 및 length 특성을 조정합니다. 현재는 다음과 같은 세 가지 형식을 지원합니다.
textElement_v8(기본값): 유니코드 8.0.0 표준에 정의된 대로 문자소를 반복합니다.unicodeCodePoint: Python 3의 기본 체계인 유니코드 코드 포인트를 반복합니다.utf16CodeUnit: JavaScript, Java 및 .NET의 기본 체계인 UTF-16 코드 단위를 반복합니다.
요청된 stringIndexType이 선택한 프로그래밍 환경과 일치하면 표준 하위 문자열 또는 슬라이스 메서드를 사용하여 하위 문자열을 추출할 수 있습니다.