Zeichenlängen

Zeichenlänge bezeichnet die Anzahl der Zeichen in einer Zeichenkette. Der Begriff ist nicht eindeutig, weil Zeichen unterschiedlich gezählt werden können. Grundsätzlich unterscheidet man zwischen der Länge nach Unicode-Codepunkten (die einzelnen, normierten Einheiten der Unicode-Codierung) und der Länge nach Grapheme, also grafischen Einheiten, die vom Benutzer als ein Zeichen wahrgenommen werden können. Ein Grapheme kann aus mehreren Codepunkten bestehen, etwa ein Buchstabe mit diakritischem Zeichen oder ein Emoji, das aus mehreren Teilzeichen zusammengesetzt ist.

Herausforderungen ergeben sich durch die Vielfalt von Codierungen und Darstellungen. Bei Normalisierungsversionen (zum Beispiel NFC/NFD) kann sich die Anzahl der Codepunkte ändern, obwohl der angezeigte Grapheme gleich bleibt. Auch ZWJ- Sequenzen und Varianten von Emoji ermöglichen mehrere Darstellungseinheiten für ein einziges sichtbares Zeichen. Außerdem unterscheiden sich Implementationen in der Zählung von Bytes, Codepunkten und Graphemen je nach Programmiersprache, Bibliothek oder Datenbank.

Technisch betrachtet speichern Textsysteme Zeichen in unterschiedlichen Formen. UTF-8 verwendet variabel viele Bytes pro Codepunkt (1–4 Byte), UTF-16 nutzt oft zwei Codeeinheiten für einige Zeichen. Programmiersprachen bieten unterschiedliche Funktionen zur Ermittlung der Zeichenlänge, beispielsweise durch Byte-Längen, Codepunkt-Längen oder Grapheme-Längen. In Datenbanken ergeben sich ähnliche Unterschiede: manche Funktionen zählen Bytes, andere zählen Zeichen oder Unicode-Codepunkte. Spezifische SQL-Funktionen wie LENGTH, CHAR_LENGTH oder CHARACTER_LENGTH geben je nach System unterschiedliche Ergebnisse.

Praktisch bedeuten diese Unterschiede, dass bei Validierung, Festlegung von Längenlimits für Felder, UI-Trunkierung oder Speicherplanung zwischen Byte-Längen, Zeichenlängen und Graphemen unterschieden werden muss. Für benutzernahe Anzeigen empfiehlt es sich, Grapheme zu zählen, während Datenvalidierung oft Codepunkt- oder Zeichenlängen zugrunde legt.