====== std.grapheme ======

Ein **Graphem-Cluster** ist das, was ein Mensch als //ein Zeichen// sieht: ein Grundzeichen samt seiner Kombinationszeichen, eine mit Jamo geschriebene Hangul-Silbe, eine aus zwei Regional Indicators gebaute Flagge oder eine Emoji-ZWJ-Folge. Weder die Byte- noch die Codepoint-Zahl trifft diese Vorstellung — die Graphem-Zahl tut es.

<code lyx>
import std.io;
import std.text;
import std.grapheme;

fn main(): int64 {
    var t: Text := TextFromPchar("🇩🇪!"c);   // Flagge (2 Regional Indicators) + "!"

    PrintLn(IntToStr(t.ByteLength()));         // 9
    PrintLn(IntToStr(t.CodepointCount()));     // 3
    PrintLn(IntToStr(TextGraphemeCount(t)));   // 2  <- was der Nutzer zählt

    var g: Text := TextGraphemeAt(t, 0);
    PrintLn(IntToStr(g.ByteLength()));         // 8  — die ganze Flagge
    return 0;
}
</code>

Die Unit setzt die **erweiterten Graphem-Cluster** nach UAX #29 (Regeln GB3–GB999) um. Die Break-Tabelle liegt in der generierten Unit ''std.unicode_gbdata''.

**Autor:** Andreas Röne\\
**Copyright:** 2024-2026 Andreas Röne

→ [[lyx_-_programmiersprache:units:text|std.text]] · [[lyx_-_programmiersprache:units:unicode|std.unicode]] · [[lyx_-_programmiersprache:units|Standard Library]]

----

===== Funktionen =====

^ Signatur ^ Beschreibung ^
| ''TextGraphemeCount(t: Text): int64'' | Anzahl der Graphem-Cluster |
| ''TextGraphemeByteOffset(t: Text, idx: int64): int64'' | Byte-Offset, an dem Cluster ''idx'' beginnt |
| ''TextGraphemeAt(t: Text, idx: int64): Text'' | Cluster ''idx'' als eigenes ''Text'' |

===== Wann das zählt =====

Überall dort, wo eine Zahl den Nutzern gegenüber „Zeichen" heißen soll oder wo an einer Zeichengrenze geschnitten wird:

  * Längenbegrenzungen in Eingabefeldern und Protokollen
  * Kürzen mit Auslassungszeichen — ein Schnitt nach Codepoints trennt sonst den Akzent vom Buchstaben oder die Flagge in zwei Buchstaben
  * Cursorbewegung und Rücktaste in Editoren und TUIs
  * Spaltenausrichtung in Tabellenausgaben

===== Break-Klassen =====

''std.unicode_gbdata'' ordnet jedem Codepoint eine der Klassen ''Other'', ''CR'', ''LF'', ''Control'', ''Extend'', ''ZWJ'', ''Regional_Indicator'', ''Prepend'', ''SpacingMark'', ''L'', ''V'', ''T'', ''LV'', ''LVT'' zu; ''Extended_Pictographic'' (Emoji-Basis) ist ein eigenes Merkmal. Beides wird per Bereichs-Binärsuche nachgeschlagen. Die Unit ist generiert und wird weder von Hand gepflegt noch direkt importiert.

<box gh>
> **''std.grapheme'' und ''[[lyx_-_programmiersprache:units:unicode|std.unicode]]'' zusammen zu importieren übersetzt viel generierte Tabelle auf einmal.** Die Trennung ist Absicht: Wer nur segmentieren will, holt sich mit dieser Unit allein die Graphem-Break-Tabelle statt der deutlich größeren Normalisierungstabellen.
</box>

----

Letzte Aktualisierung: 2026-08-11