Zeichenlänge

Zeichenlänge bezeichnet die Anzahl der Zeichen in einer Zeichenkette. In der Praxis hängt die Bedeutung von Zeichenlänge davon ab, welche Zählregel oder welcher Zeichensatz verwendet wird. Im Unicode-Kontext unterscheidet man oft zwischen Codepunkten, Codeeinheiten und Grapheme.

Codepunkte sind die einzelnen Unicode-Wörter, die ein Zeichen eindeutig identifizieren. Eine grafische Darstellung eines Zeichens kann aus mehreren Codepunkten bestehen, zum Beispiel ein Buchstabe mit einer diakritischen Ergänzung oder ein Emoji mit Modifikatoren. Grapheme hingegen repräsentieren die vom Menschen wahrgenommenen Zeichen und können mehrere Codepunkte umfassen. Dadurch kann die Anzahl der Grapheme von der Anzahl der Codepunkte oder Codeeinheiten abweichen.

Die Zählung hängt auch von der verwendeten Encoding-Form ab. UTF-8 kodiert Codepunkte variabel in 1 bis 4 Byte, UTF-16 verwendet 16-Bit-Codeeinheiten (mit gelegentlichen Surrogate-Paaren), während UTF-32 jedem Codepunkt eine feste Einheit zuweist. Viele Programmiersprachen geben daher unterschiedliche Ergebnisse für die Zeichenlänge aus, je nachdem, ob sie Codepunkte, Codeeinheiten oder Grapheme zählen.

Anwendungsgebiete liegen in Benutzerschnittstellen, Validierung und Speicherbegrenzungen. Typische Probleme ergeben sich bei Akzentzeichen, zusammengesetzten Zeichen oder Emojis, die länger erscheinen als erwartet, obwohl sie als einzelnes sichtbares Zeichen gelten. Bei Textfeldbeschränkungen oder SMS-Längen müssen daher klare Zählregeln festgelegt oder graphembezogene Zählungen verwendet werden.

Siehe auch: Unicode, Grapheme, Encoding, Zeichenkodierung.