PowerShell でもサロゲートペア文字・結合文字列を正しく数えたい

PowerShell では内部的に UTF-16LE を利用しています。そのため、Windows API や Java を利用した開発と同様、文字列を取り扱う際にはサロゲートペア文字に関する問題を考慮しなければなりません。

`String.Length` で文字数を数えてみる

まずは素直に String.Length で文字数を数えてみましょう：

"a".Length
# 1

"あ".Length
# 1

"🎵".Length
# 2

サロゲートペア文字の場合はハイサロゲート・ローサロゲートで合計2文字のカウントになっていますね。

同様に、結合文字列についても確認してみましょう：

"ぬ゙".Length
# 2 (1+1)

"👨🏻‍🎤".Length
# 7 (2+2+1+2)

結合に利用した分の文字数（サロゲートペア文字の場合は2文字として）でカウントされていますね。

なお、PowerShell には Linux 版もリリースされていますが、こちらでも同じ挙動となります。

$ docker run --rm mcr.microsoft.com/powershell:lts-7.2-debian-buster-slim pwsh -Command '"👨🏻‍🎤".Length'
7

System.Globalization.StringInfo はサロゲートペア文字や結合文字列を考慮しながら文字列を取り扱うためのクラスです。コンストラクタでインスタンスを生成した後、LengthInTextElements プロパティで以下の要素数を数えます：

[System.Globalization.StringInfo]::new("👨🏻‍🎤<ぬ゙～🎵").LengthInTextElements
# 5

やったね。期待通り 5 文字として数えることができました！