Почему эмодзи-последовательности, такие как 👩‍👩‍👧‍👦, ведут себя странно в строках Swift?

Понимание Unicode в Swift: графемные кластеры и составные эмодзи

Вы столкнулись с фундаментальной особенностью работы Swift со строками — графемными кластерами (grapheme clusters). Swift обрабатывает строки на уровне "воспринимаемых пользователем символов", а не отдельных кодовых точек Unicode. Это сделано для того, чтобы строки вели себя интуитивно понятно для людей, но иногда приводит к неожиданностям.

Почему ваш эмодзи считается одним символом?

Эмодзи 👩‍👩‍👧‍👦 — это не один символ, а последовательность из семи кодовых точек Unicode, объединённых с помощью нулевого соединителя (Zero Width Joiner, U+200D). Визуально это выглядит как одна картинка, но технически это:

👩 (U+1F469) + ZWJ (U+200D) + 👩 (U+1F469) + ZWJ (U+200D) + 👧 (U+1F467) + ZWJ (U+200D) + 👦 (U+1F466)

Swift рассматривает эту последовательность как один расширенный графемный кластер (extended grapheme cluster). Поэтому family.count возвращает 1 — это один "человеческий символ".

Как получить отдельные компоненты?

Чтобы разобрать составной эмодзи на части, нужно работать с разными уровнями представления строки:

let family = "👩‍👩‍👧‍👦"

// 1. Свойство count — количество графемных кластеров (воспринимаемых символов)
print("Графемные кластеры: \(family.count)") // 1

// 2. unicodeScalars — отдельные кодовые точки Unicode
print("Кодовые точки: \(family.unicodeScalars.count)") // 7
for scalar in family.unicodeScalars {
    print(scalar, scalar.value)
}

// 3. utf8.count — количество байт в UTF-8
print("Байт в UTF-8: \(family.utf8.count)") // 25

// 4. utf16.count — количество 16-битных единиц (как в NSString)
print("16-битных единиц: \(family.utf16.count)") // 11

Практические рекомендации для работы с эмодзи

• Используйте .count для подсчёта видимых символов — это то, что видит пользователь.
• Для итерации по символам используйте for char in string — вы получите каждый графемный кластер.
• Для доступа к отдельным компонентам (например, чтобы проверить, есть ли в эмодзи определённый элемент) работайте с unicodeScalars.
• Будьте осторожны с индексами: string[0] не работает. Используйте string.index(string.startIndex, offsetBy: n).

Пример: проверка, содержит ли строка определённый эмодзи-компонент

func containsWoman(in emoji: String) -> Bool {
    // Женщина: U+1F469
    return emoji.unicodeScalars.contains(UnicodeScalar(0x1F469)!)
}

let family = "👩‍👩‍👧‍👦"
print(containsWoman(in: family)) // true

let single = "👦"
print(containsWoman(in: single)) // false

Почему Swift выбрал такой подход?

Это сделано для корректной работы с разными языками. Например, в корейском буквы объединяются в слоги, а в некоторых европейских языках используются комбинируемые диакритические знаки (например, "é" может быть как одним, так и двумя символами). Swift гарантирует, что .count всегда отражает то, что видит пользователь.

Если вам нужно работать с сырыми байтами (например, для отправки по сети), используйте .utf8 или .utf16. Для сравнения строк на равенство используйте обычный == — он учитывает графемные кластеры.

import Foundation

let family = "👩‍👩‍👧‍👦"
let nsString = family as NSString
print("NSString length: \(nsString.length)") // 11 — не то, что вы ожидаете!

func describeEmoji(_ emoji: String) {
    print("Символ: \(emoji)")
    print("Графем: \(emoji.count)")
    print("Unicode скаляры:")
    for scalar in emoji.unicodeScalars {
        let isZWJ = scalar.value == 0x200D
        print("  \(isZWJ ? "🔗 ZWJ" : "\(scalar) (U+\(String(format: "%04X", scalar.value)))")")
    }
}

describeEmoji("👩‍👩‍👧‍👦")