问题
如何计算字符串中的（所见）字符数是一个常见的问题。
在 Golang 中，我们可以使用utf8.RuneCountInString()函数来计算字符串中的字符数。
中文这样的多字节字符也可以正确计算。
示例
package main
import (
"fmt"
"unicode/utf8"
)
func main() {
str := "abc世界"
fmt.Println(utf8.RuneCountInString(str)) // 5
}
但是如果字符串中包含 👉🏻 这样的 emoji 字符，那么有些情况下这个函数就无法正确计算了。
package main
import (
"fmt"
"unicode/utf8"
)
func main() {
emojiWorld := "🌍"
fmt.Println(utf8.RuneCountInString(emojiWorld)) // 1 ✅ 没有问题
emojiHand := "👉"
fmt.Println(utf8.RuneCountInString(emojiHand)) // 1 ✅ 没有问题
emojiHandBlack := "👉🏿"
fmt.Println(utf8.RuneCountInString(emojiHandBlack)) // 2 ❌ 有问题 期望是 1。 同一种 emoji，但是不同的皮肤颜色的字符数不一样
emojiOne := "1️⃣"
fmt.Println(utf8.RuneCountInString(emojiOne)) // 3 ❌ 有问题 期望是 1。
}
emoji 可以从这里emojipedia复制。
原因
这是因为有些 emoji 是多个 unicode 字符 (Code Points) 组合而成的，而 utf8.RuneCountInString() 函数只会计算 unicode 字符的数量。
| 术语 | 描述 |
|---|---|
| Bytes（字节） | 计算数据存储的最小单元，通常是 8 位二进制。 |
| Code Units（编码单元） | 在编码方案中，用于表示一个字符的固定大小的单元。在 UTF-8 中，一个 Code Unit 是 8 位，而在 UTF-16 中，是 16 位。 |
| Code Points（码点） | 在 Unicode 标准中，每个字符都被分配一个唯一的代码点，是一个用来标识字符的数字。例如，拉丁字母"A"的代码点是 U+0041。 |
| Grapheme Clusters（字符簇） | 表示语言中可感知的最小字符单元，通常是一个或多个 Code Points 组成的序列。例如，字母加重音符可能是一个 Grapheme Cluster。 |
比如 1️⃣ 这个 emoji，它是由 3 个 Code Points 组成的，分别是：
Rendered by Markdown Table
ヒント
Emoji 的 Code Points 可以在这里emojipedia 查看。
解决方案
所以我们需要计算的是 Grapheme Clusters（字符簇）的数量，而不是 Code Points 的数量。
使用第三方库 rivo/uniseg
package main
import (
"fmt"
"github.com/rivo/uniseg"
)
func main() {
emojiWorld := "🌍"
fmt.Println(uniseg.GraphemeClusterCount(emojiWorld)) // 1 ✅ 没有问题
emojiHand := "👉"
fmt.Println(uniseg.GraphemeClusterCount(emojiHand)) // 1 ✅ 没有问题
emojiHandBlack := "👉🏿"
fmt.Println(uniseg.GraphemeClusterCount(emojiHandBlack)) // 1 ✅ 没有问题
emojiOne := "1️⃣"
fmt.Println(uniseg.GraphemeClusterCount(emojiOne)) // 1 ✅ 没有问题
}
补充
其实不只是 emoji，还有一些泰语，阿拉伯语的字符也是由多个 unicode 字 符组成的。