第3回：C#プログラムでサロゲート・ペアの動作を検証する（後編）

　.NET Framework対応のアプリケーションが扱う文字列に4バイト長で1文字を表す「サロゲート・ペア」が含まれる場合，文字列操作にどのような影響があるだろうか。文字列処理で最も基本的で頻繁に利用されるstringクラス（stringオブジェクト）に着目した検証記事の後編である。今回は，サロゲート・ペアが含まれていても正常に動作する例などを紹介しよう。

　前編で検証したように，stringオブジェクトに関する，文字数や文字単位のアクセスに関するメソッドや，インデックス値を求めるメソッドは，扱う文字列にサロゲート・ペアが含まれると，文字の見た目（人間が認識している文字の形や数）から予想されるのとは異なる結果が得られることがわかった。

　しかしだからといって，文字列を操作するメソッドがすべて，サロゲート・ペアによって「正しく動作しなくなる」というわけではない。そうではない例を，いくつか示そう。

文字列の比較と加工など

　まずは，文字列の比較や加工に関するメソッドを検証する（表3）。これらのメソッドの中には，理論的に考えて，サロゲート・ペアを使用する影響がないと言えるメソッドがある。

　例えば，単に二つのstringオブジェクトを連結する操作なら，文字数の情報は特別重要ではない。表で「×印」が付いているプロパティは，サロゲート・ペアが存在すると，「正しく動作しなくなる」メソッド（見た目の文字数単位での処理にはならないメソッド）であるが，×が付かないメソッドは，サロゲート・ペアの影響を受けない。

　×がつくのは，引数で文字列の一部を指定する際に，インデックスを指定するメソッドである。これらのインデックスは，charオブジェクト単位である。もし，「文字数」という単位でインデックスを指定する必要があるのなら，そのまま引数に指定して，利用してはならない。

　しかし，文字列の操作全般にわたり，インデックスがchar単位であるという一貫性が保たれているので，かえって好都合な場合もある。リスト7のInsertMyData1メソッドとInsertMyData2メソッドでは，簡単な文字列の加工を行うもので，どちらも，特定の文字を検出して，その直前に文字列を追加している。前者のメソッドでは，IndexOfメソッドとSubstringメソッド，後者のメソッドではIndexOfとInsertメソッドを使用している。

リスト7：char単位のインデックスを指定して文字列の加工

// 検証用メソッド char型インデックスを前提にした一貫性ある処理
private void TestProc04()
{
    string str1 = "好物は\u9BADです。";
    string str2 = "好物は\uD867\uDE3Dです。";
    string str1after = InsertMyData1(str1, "など", "です");
    string str2after = InsertMyData1(str2, "など", "です");
    WriteData(str1after);
    WriteData(str2after);

    str1after = InsertMyData2(str1, "等", "です");
    str2after = InsertMyData2(str2, "等", "です");
    WriteData(str1after);
    WriteData(str2after);
}
private string InsertMyData1(string org, string added, string target)
{
    //ここでは，エラーは考えない
    //(target文字列が org文字列の2文字目以降にあることが前提)
    int ndx = org.IndexOf(target);  //(1)
    WriteData("target index :" + ndx);
    string before = org.Substring(0, ndx); // (2) target から前の文字列
    // target から後の文字列
    string after = org.Substring(ndx, org.Length - before.Length);
    return before + added + after;
}
private string InsertMyData2(string org, string added, string target)
{
    //ここでは，エラーは考えない
    //(target文字列が org文字列の2文字目以降にあることが前提)
    int ndx = org.IndexOf(target);
    WriteData("target index:" + ndx);
    return org.Insert(ndx, added); //(3)
}

　この例では，TestProc04メソッドから，前述の二つのメソッドを呼び出して，文字列の「です」の直前に，「など」や「等」を追加している。

　この二つのメソッドでは，一貫してchar単位のインデックスを使っているので，問題なく動作する。(1)では，特定の文字を検索しているが，その位置（変数ndx）は，char単位であって，本当の文字の位置ではない。文字列にサロゲート・ペアが含まれると，実際の可読できる文字の位置と一致しなくなる。しかし，(2)で文字を抽出するときも，その引数は，文字単位ではなくchar単位であるため，問題なく正しい位置の文字を抽出できる。

　(2)では，Substringメソッドの2番目の引数によって，先頭からndx個分のcharオブジェクトを抽出するので，検索位置より前の文字列がうまく抽出できる。同様に(3)でも，char単位の正しい位置に文字列を挿入できる。

　実行した結果は，図7のようになる。「サケ」と「ホッケ」の二つの文字列の「です」の位置は，文字数としては同じだが，InserMydata1メソッドを呼び出す際のインデックスは，4や5と異なります（インデックスは0から始まるので，charオブジェクト数でいうと，それぞれ，5個目と6個目です）。しかし，「です」の前に「など」を正しく追加できています。

図7●リスト7の実行結果。文字を正しく追加できている

　ただし，このようなロジックを実装する際，落とし穴があることに気をつけていただきたい。それは，文字列内において「一つ前の文字」や「一つ後の文字」を参照するとき，インデックス値を1減算したり，1加算したりしてはならないということだ。charオブジェクト単位のインデックスが，サロゲート・ペアの中途半端な位置を示してしまう可能性があるからだ。