PowerShellでGrapheme Clusterについて処理を考える

2025-06-01

🔍 Grapheme Cluster（書記素クラスタ）とは？

Grapheme Cluster（グラフェムクラスタ）とは、ユーザーが「1文字」として認識するユニコードの文字単位のことです。

é は1文字に見えて、実際は e + 合成アクセント（U+0301）
🇯🇵（国旗）は2つの地域コード文字（U+1F1EF U+1F1F5）から構成される

PowerShell の -split や .Length、.Substring() などの文字列操作は「コード単位」や「コードポイント単位」で動作します。つまり「見た目の1文字」がバラバラに扱われる可能性があります。

.Length の罠

$text = "é"
$text.Length

出力結果は 2 になる場合がありますé が e と合成アクセントの2つのコードポイントからなるためです。

🧨 PowerShellでの罠：「e`u0301」はエラーになる

PowerShellでは次のような書き方は ParserError を引き起こします：

$text = "e`u0301"  # ❌ パースエラー：Unicode escape sequence is not valid

✅ 正しい書き方

$text = 'e' + [char]0x0301  # e + 合成アクセント

💡 Grapheme Cluster 単位での文字数取得方法

System.Globalization.StringInfo クラスを使えば、見た目上の「1文字」を正確に扱えます。

Add-Type -AssemblyName "System.Globalization"
$text = 'e' + [char]0x0301 + 'あ'
$si = New-Object System.Globalization.StringInfo $text
$si.LengthInTextElements  # → 2

🔄 Grapheme Cluster 単位での分割

$text = 'e' + [char]0x0301 + 'あ'
$elements = [System.Globalization.StringInfo]::GetTextElementEnumerator($text)

while ($elements.MoveNext()) {
    $elements.Current
}

出力結果：

é
あ

🔧 実用関数①：先頭のGraphemeだけ取得する

function Get-FirstGrapheme {
    param([string]$text)
    $enum = [System.Globalization.StringInfo]::GetTextElementEnumerator($text)
    if ($enum.MoveNext()) { return $enum.Current }
    return ""
}

✂️ 実用関数②：Grapheme単位で文字列を切り詰める

function Truncate-Grapheme {
    param(
        [string]$text,
        [int]$maxLength
    )

    $result = ""
    $count = 0
    $enum = [System.Globalization.StringInfo]::GetTextElementEnumerator($text)
    while ($enum.MoveNext() -and $count -lt $maxLength) {
        $result += $enum.Current
        $count++
    }
    return $result
}

# 使用例
Truncate-Grapheme ("👩" + [char]0x200D + "🚀" + "宇宙飛行士") 3

🛡️ まとめ：Grapheme Cluster 対応の重要性と対策

問題	対応方法
.Length が実際と異なる	StringInfo.LengthInTextElements を使用
Substring() で文字化け	GetTextElementEnumerator() で分割処理
"e`u0301" でパースエラー	'e' + [char]0x0301 で生成
絵文字・国旗が分割される	Grapheme 単位で列挙して処理