feat(string): 文字列の分解と結合

[azu]

#121

• String#split
• Array#join
• 正規表現で区切る
• 空文字を引数に取った場合はcode unitで区切る
• 文字で区切りたい場合はIteratorかspreadする

[azu]

split joinは典型的な使い方だと思うのでセットにした。
もう少し見た目的に分かりやすい例があると良さそう?
、と, 似てて分かりにくいかも

[yumetodo]

var string = "赤・青・緑".split("・").join(",");

ではどうだろうか

[azu]

・ たしかに良さそうですね。
ありがとうございます

[azu]

単位ってことばUnitと被るのでよくなさそう。

Code Unitごとに?かな

[yumetodo]

C++11: Syntax and Feature#basic.fundamental
だと

wchar_t型のひとつのオブジェクトは、実装がサポートするロケールの文字セットの任意の一文字を表現できる。

wchar_tは、少なくとも、規格上はそうなっている。しかし、現実的には、そのような固定長の文字コードは、サポートするロケールと文字セットを大幅に限定しなければ、存在しない。たとえば、ある実装では、wchar_tは16bitのUTF-16の1単位を表現するようになっている。しかし、UTF-16の1単位は、Unicodeの文字セットの任意の一文字を表現できない。ある実装では32bitのUTF-32の1単位を表現するようになっているが、UTF-32も、1単位で任意の1文字を表せる文字のエンコード方式ではない。

ともうすこしあっさりした表現を使っていますね。

[azu]

ここは、この章の最初に 文字列、文字、Code Unit、Code Pointの説明を簡単にいれるので、それ前提となってる。

以下はまだちゃんと書いてない。(おおまかな概念分けはこのぐらいでやりたい感じ。あとは参考文献を調査して言葉を揃える)

---

文字列

"文字"からなる順序を持った集合。
JavaScriptでは文字列リテラルで表現できる。

"文字列"

文字

• 文字列を構成する要素
• 視覚的に認識している"文字"
• (UnicodeにおいてはAbstract characterだけど、概念が難しいので言葉は出さない)

["文", "字", "列"]

---

Unicode

ECMAScriptでは文字の表現にUnicodeを採用し、
文字のエンコーディングにUTF-16を採用している。

Code Point

それぞれの文字に対して割り当てられた数値のこと
(この数値を決めているのがUnicode)

ES2015からは \u{12345} でCode Pointを文字列リテラルに書くことができる。

[ 25991, 23383, 21015 ]

Code Unit

UTF-16でエンコードされたbitのシーケンス。
JavaScriptでは、文字列を内部的にCode Unitで扱う。

Code Unitは16bitの範囲しか表現できないため、
1つのCode Pointを1つのCode Unitで表現できない場合がある。
これはサロゲートペアと呼ばれ、high-suroogate code unitとlow-surrogate code unitの2つのcode unitで、1つのCode Pointを表現する。

Code Pointも文字列リテラルに "\u1234" のようにしてかくことができる。

JavaScriptでは基本的に文字列はCode Unitごとに扱う。
次の2つは例外として、Code Pointごとに扱う。

• Iterator
• メソッドにCodePointという名前を含むもの

Combining character

省く

文字数

JavaScriptにおいてString#lengthはその文字列を構成するCode Unitの個数を返す。
そのため、3文字に見えていても、lengthは3以上(Code Unitが3つ以上)の場合があります。

[yumetodo]

Combining character

省く

あっ・・・。
まあ書き出せば長くなりそうだしやむを得ないかな・・・？