先週書いた GraphemeSplitter の話からの派生で2点。

常設の Web サイト化

GraphemeSplitter のサンプルのつもりで ASP.NET Razor Page なページを1個作ったんですけども。

その後。

• なんか気になる絵文字を見かけた
• 絵文字なのでそれの正確な意味わからないくて気になる
• しょうがないからその絵文字でググったり
• 文字コードを調べて U+1F680 でググったり(面倒)
• そうだ、こないだ作ったサンプル用のページでコード調べられる
• Visual Studio でわざわざデバッグ実行起動するのばかばかしくなってきた
• そうだ、Azure の Free プランでホストしとこう
• ついでだから便利機能(自分用)足しとこう(今ここ)

追加した機能は以下のようなもの。

• 入力用のフォームを設置
• 1コードポイントごとにばらした文字も表示
• 文字コードに対して、「U+1F680」みたいなGoogle検索のURLのリンクを生成

書記素分割というか、単なる絵文字調査ツールになりました。 仕組み上、絵文字だけじゃなくて、ASCII顔文字の類も調べられます。

ソースコードは「自分用」と言わんばかりに UfcppSample リポジトリの Tools フォルダー以下に置いてたり。

Rangeベースのswitch-case

書記素分割のために、unicode.org 内の GraphemeBreakProperty ってデータを参照して、そこからコード生成でswitchステートメントを作ったわけですが。2万行弱のクソコードっぷりがひどく…

で、以下のような最適化を掛けてほしいというの、とりあえず issue 立てとくことに。

// 1コード1 case に展開 (最適化が掛かって結構速いけど、クソコード。コンパイル時間もやたらと遅い)
switch (codePoint)
{
    case 1536:
    case 1537:
    case 1538:
    case 1539:
    case 1540:
    case 1541:
        // ...
}

// when 句を使って範囲を表現 (コードは綺麗になったけど、条件判定が線形探索になっちゃって O(n)。遅い)
// 二分探索するような最適化をしてほしい
switch (codePoint)
{
    case uint i0 when 1536 <= i0 && i0 <= 1541:
        // ...
}

// こういう文法ほしい(C# 8とか9とかくらいでは入るかなぁ、きっと)
// これなら、コードが綺麗、かつ、最適化しやすいのではないか
switch (codePoint)
{
    case 1536..1541:
        // ...
}

まあさすがに、実用途の説明と、ベンチマークを添えとくと反応よさげ。case 1536..1541 みたいな書き方であれば範囲の重複チェック(同じ値の case が複数あったらエラーにする)のとか、二分探索化する最適化もしやすそうということで、興味を持ってもらえたっぽい。