Ruby 3.3.4在macOS 14.6.1下拆分含组合emoji的字符串时出现拆分错误的问题咨询

大家好，我在处理包含组合emoji的字符串时遇到了个棘手的问题，想跟各位请教下：

我目前用的是Ruby 3.3.4，系统是macOS 14.6.1。先给大家看下我的操作流程：在shell里定义了这样一个字符串：

$ st="02☺️4浪6拾8兩"
$ echo "$st"
02☺️4浪6拾8兩

字符串显示完全正常，但当我把它传入Ruby用split("")拆分时，发现第二个emoji居然被拆成了两个独立部分：

$ echo "$st" | ruby -lne 'p $_.split("")'
["0", "", "2", "☺", "️", "4", "浪", "6", "拾", "8", "兩"]

这里的☺️明明是一个完整的emoji，结果被拆成了☺和️两个元素。我试了好几种方式：直接管道传参、读取文件内容，甚至在IRB里操作，结果全都是一样的：

$ cat wee_file
02☺️4浪6拾8兩

$ ruby -lne 'p $_.split("")' wee_file 
["0", "", "2", "☺", "️", "4", "浪", "6", "拾", "8", "兩"]

irb(main):001> File.open('/tmp/wee_file').gets.split("")
=> ["0", "", "2", "☺", "️", "4", "浪", "6", "拾", "8", "兩"]

后来我琢磨明白原因了：Ruby的split("")是按Unicode代码点（code point）来拆分字符串的，而像☺️这类emoji其实是两个代码点的组合——基础表情☺（U+263A）加上变体选择符️（U+FE0F），所以会被拆成两个部分。但我们日常感知里的“一个字符”，其实是字形簇（grapheme cluster），也就是视觉上作为整体显示的字符单元。

那要正确拆分这类包含组合emoji的字符串，就得用Ruby专门提供的grapheme_clusters方法，它会按照字形簇来拆分：

比如在shell里执行：

$ echo "$st" | ruby -lne 'p $_.grapheme_clusters'
["0", "", "2", "☺️", "4", "浪", "6", "拾", "8", "兩"]

在IRB里操作的话：

irb(main):001> File.open('/tmp/wee_file').gets.grapheme_clusters
=> ["0", "", "2", "☺️", "4", "浪", "6", "拾", "8", "兩"]

这样就能得到预期的结果，把☺️作为一个完整的元素保留下来了。另外如果只是需要遍历每个字形簇，也可以用each_grapheme方法，效果是一样的。

备注：内容来源于stack exchange，提问作者dawg