Daheen Lee all white cheat sheet

String의 구성 - Character, Unicode, Index

23 May 2019 |   • •

String의 구성 - Character, Unicode Scalar, Index

:pushpin: Table Of Contents

  • String in swift
  • Unicode
    • unicode scalar
  • String element 세기 - Index

 

String in swift

a Unicode String value that is collection of characters (swift api)

string은 일련의 character들의 모음이다.

swift에서 String을 구성하는 문자는 Character type을 사용한다. 주로 유니코드 문자를 나타낼 때 Character type을 사용하고, Character type을 조합하면 String 타입이 된다

따라서 String을 구성하는 각각의 element는 Character instance 이다.

 

StringProtocol protocol

  • String으로 표현될 수 있는 type의 자격요건을 명시한 protocol

  • Character collection으로 String을 표현할 수 있는 능력을 명시한다

  • 해당 프로토콜을 준수하는 타입: String, SubString

 

Unicode

플랫폼과 상관없이 문자를 같은 방식으로 표현하고 처리할 수 있도록 약속한 국제 표준

모든 문자에는 유니코드에서 약속한 숫자가 부여(매핑)되고, 문자를 해석할 때, 해당 숫자로 구분한다. 유니코드에는 emoji 도 포함된다.

유니코드는 index와 문자를 매핑한다고 설명하기도 한다. index의 의미는 아마 문자 순서대로 숫자가 커지니까 그런 것이 아닐까 생각해봤다.

'A' : index 0x0041, U+0041

String 과 Character type은 이 unicode를 바탕으로 만들어졌다.

구체적으로는 문자열은 unicode scalar로 구성되어 있다.

 

Unicode Encoding 방식

인코딩 방식에는 2가지 - UTF, UCS 가 있다

  • UTF(Universal Transformation Format) : 몇 bit 단위를 사용해서 index를 표현할 건지
    • ex. UTF-8 : 8bit 씩 늘려가며 index를 표현한다
  • UCS(Universal Character Set) : 몇 byte 단위 를 사용해서 index를 표현할 건지
    • ex. UCS-2 : 2 byte씩 늘려가며 index를 표현한다.

 

UTF -

  • UTF 뒤에 붙는 숫자는 인코딩 방식(저장방식)의 차이를 나타낸다.
  • 기본적으로 utf 문자는 32bit(4byte) 크기의 사이즈 안에 표현한다.

  • uft는 가변 길이 문자 인코딩 방식

    • 인덱스가 커짐에 따라 인덱스를 표현하는 비트도 늘어난다는 뜻
    • 문자를 표현하는데 필요한 비트만 사용한다
    • 인덱스가 커지면서 더 많은 비트가 필요하면 단위 비트만큼 늘려가면서 표현한다
  • utf 뒤에 붙는 숫자는 코드 단위로, 그 숫자의 bit 만큼씩 문자 표현 부분이 늘어난다는 것이다.

 

  • 종류

    UTF종류

    • UTF-8 : 기본 8bit 를 쓰고, 그보다 인덱스가 크면 2byte, 3byte, 4byte 로 늘려가며 표현
      • 영어 알파벳의 경우 256(2^8) 안에 다 표현 가능하므로 1byte 안에 표현이 가능
      • 그 이외의 문자는 더 큰 더 많은 비트를 필요로 한다
    • UTF-16 : 기본 16 bit를 쓰고, 2byte, 4byte로 늘려간다
      • 예전에는 16bit로 모든 문자를 표현 가능했다. 이 때의 문자 셋을 BMP(Basic Multilingual Plane)라 한다
      • 점차 문자가 늘어나면서 16bit로 표현 못하는 문자도 생겼다.
      • BMP보다 index가 높은 문자는 32bit를 사용해서 표현한다.
    • UTF-32 : 기본적으로 모든 문자를 32byte 에 표현한다
      • 8, 16 처럼 늘려가는 처리가 불필요

 

Unicode Scalar

유니코드 표준을 따르며, 특정문자를 나타내는 21비트 수

  • Swift의 String, Character 는 유니코드 표준을 따른다.

  • String은 여러개의 unicode scalar 로 구성되어 있다.

A string is a collection of extended grapheme clusters, which approximate human-readable characters. Many individual characters, such as “é”, “김”, and “🇮🇳”, can be made up of multiple Unicode scalar values. These scalar values are combined by Unicode’s boundary algorithms into extended grapheme clusters, represented by the Swift Character type. Each element of a string is represented by a Character instance. (출처 - Apple Documentation String 공식 문서)

 

  • String 구조체는 unicodeScalars property 를 가진다

    • 이는 UnicodeScalarView type 이다
    • == a collection of unicode scalar values
    var unicodeScalars: String.UnicodeScalarView
// The string’s value represented as a collection of Unicode scalar values.

  • String 을 unicode로 변환한 내용을 property로 제공한다

    • unicodeScalars, utf16, or utf8 properties.

 

  • String에 unicode index로 문자를 표현하는 방법 : "\u{16진수}"

    let cafe = "Cafe\u{301} du 🌍"
print(cafe)
// Prints "Café du 🌍"

  • 내가 보기엔 문자 1개 인 것 같아도, 한 개의 character 는 한 개 이상의 unicode scalar로 구성되어 있을 수 있다.

    "é" = "e" + "`"("\u{301}")
    • String.count 와 String.unicodeScalars.count 가 다를 수 있다
    • String.count : Character instance 의 개수
    let cafe = "Cafe\u{301} du 🌍"
print(cafe)
// Prints "Café du 🌍"
  
print(cafe.count)
// Prints "9"
print(cafe.unicodeScalars.count)
// Prints "10"
  
print(Array(cafe))
// Prints "["C", "a", "f", "é", " ", "d", "u", " ", "🌍"]"
print(Array(cafe.unicodeScalars))
// Prints "["C", "a", "f", "e", "\u{0301}", " ", "d", "u", " ", "\u{0001F30D}"]"
print(cafe.unicodeScalars.map { $0.value })
// Prints "[67, 97, 102, 101, 769, 32, 100, 117, 32, 127757]"

 

  • 원형적 등가 : 두 개의 유니코드 스칼라가 의미상 동일하다는 의미

    • 유니코드 스칼라 두개 합친 형태를 아예 새로운 하나의 유니코드 스칼라로 표현할 수 있는 경우도 있음
    • 이런 경우, 두 개의 유니코드 스칼라를 합친 것과 한개의 유니코드 스칼라는 같은 의미로 판단한다. 이를 원형적 등가라고 함
    à = a + ' (accent), "\u{0061}]u{0301}" == "\u{00E1}"

 

String.Index

  • String의 각 element에 접근하는 방법

    • subscript [] & Index type으로 접근 :o:
    • subscript [] 와 정수값 index로 접근 :x: 
    let message = "Happy B-day"
let firstIndex = message.startIndex //String.Index type
  
print(message[firstIndex]) // H
print(message[0]) // error

  • 정수 값을 index로 사용할 수 없는 이유

    • String은 unicode scalar로 구성되어 있는데, 한 character가 한 개 이상의 unicode scalar의 합성으로 이루진 경우가 있음
    • 따라서 앞에서부터 세봐야 index를 알 수 있음. 이 과정을 내부적으로 처리해주는게 String.Index 구조체

 

 

 

Reference

 

Related Posts