String.codepoints/1 と String.graphemes/1 の比較

こんにちは！
プログラミング未経験文系出身、Elixirの国に迷い込んだ？！見習いアルケミストのaliceと申します。
今回はString.codepoints/1 と String.graphemes/1 の比較を比較して学んだことをまとめます。2024/6/16に開催したイベントpiyopiyo.ex #35：もくもく作業タイムの成果です。

目的

String.codepoints/1 と String.graphemes/1 の違いを理解する

前提

String.codepoints/1 と String.graphemes/1それぞれに対して下記の変数を使用します。

greeting = "Hello World!"
string = "é"

"é"はU+0065 と U+0301 の結合文字列です。¹

実行環境

Windows 11 ＋ WSL2 ＋ Ubuntu 22.04
Elixir v1.16.2-otp-26
Erlang v26.0.2

結果

String.codepoints/1はUTF-8のコードポイントごとに分割

結合文字列なし

String.graphemes/1と結果は同じです。

String.codepoints(greeting)
["H", "e", "l", "l", "o", " ", "W", "o", "r", "l", "d", "!"]

結合文字列あり

結合文字列はコードポイントが2つなので、リストの要素数は2になります。

String.codepoints(string)
["e", "́"]

String.graphemes/1はユーザーが文字として認識する単位ごとに分割

ユーザーが文字として認識する単位のことを書記素(grapheme)と呼びます。²

結合文字列なし

String.codepoints/1と結果は同じです。

String.graphemes(greeting)
["H", "e", "l", "l", "o", " ", "W", "o", "r", "l", "d", "!"]

結合文字列あり

結合文字列は書記素が1つなので、リストの要素数が1になります。

String.graphemes(string)
["é"]

～Elixirの国のご案内～

↓Elixirって何ぞや？と思ったらこちらもどぞ。Elixirは先端のアレコレをだいたい全部できちゃいます

↓ゼロからElixirを始めるなら「エリクサーチ」がおすすめ！私もエンジニア未経験から学習中です。

↓We Are The Alchemists, my friends!³
Elixirコミュニティは本当に優しくて温かい人たちばかり！
私が挫折せずにいられるのもこの恵まれた環境のおかげです。
まずは気軽にコミュニティを訪れてみてください。⁴

1. Elixirは文字列をエンコードするためにUTF-8を使用している https://hexdocs.pm/elixir/1.16.2/String.html#module-utf-8-encoded-and-encodings ↩

2. Elixirにおける書記素とは https://hexdocs.pm/elixir/1.16.2/String.html#module-grapheme-clusters ↩

3. @torifukukaiouさんのAwesomeな名言をお借りしました。Elixirコミュニティを一言で表すと、これに尽きます。 ↩

4. @kn339264さんの素敵なスライドをお借りしました。Elixirコミュニティはいろんな形で活動中！ ↩