为什么Swift将这个Grapheme Cluster计为两个字符而不是一个？

Question

一般来说，Swift对于将字形集群计为单个字符非常非常聪明。例如，如果我想制作黎巴嫩旗帜，我可以合并两个Unicode字符

• U + 1F1F1区域指标符号L
• U + 1F1E7区域指标符号字母B

正如预期的那样，这是Swift中的一个角色：

let s = "\u{1f1f1}\u{1f1e7}"
assert(s.characters.count == 1)
assert(s.utf16.count == 4)
assert(s.utf8.count == 8)

但是，假设我想制作Fitzpatrick Type-5的自行车表情符号。如果我结合

• U + 1F6B4 BICYCLIST
• U + 1F3FE EMOJI MODIFIER FITZPATRICK TYPE-5

Swift将此组合计为两个字符！

let s = "\u{1f6b4}\u{1f3fe}"
assert(s.characters.count == 2)   // <----- WHY?
assert(s.utf16.count == 4)
assert(s.utf8.count == 8)

为什么这两个字符而不是一个？

为了说明我期望它为1的原因，请注意该群集实际上被解释为有效的表情符号：

Answer 1

部分答案在emrys57的评论中提到的bug report中给出。将Unicode字符串拆分为“字符”时，Swift显然使用UAX #29 Unicode Text Segmentation中定义的字形集群边界。有rule not to break between regional indicator symbols，但表情符号修饰符没有这样的规则。因此，根据UAX＃29，字符串"\u{1f6b4}\u{1f3fe}"包含两个字形集群。有关解释，请参阅Unicode邮件列表中Ken Whistler的this message：

  

这是因为修饰符的回退行为是   简单地说是独立的象形文字，即颜色样本图像。 [...]你需要额外的，具体的   关于这些序列的知识 - 它不仅仅是从a   默认实现字形集群的UAX＃29规则。