unicodeToList
Divide una cadena en puntos de código Unicode, tratando correctamente los pares subrogados.
Lección
En Dart, un String es una secuencia de unidades de código
UTF-16, no de caracteres. Llamar a s.split('') divide por unidad
de código — algo correcto para texto ASCII/latino sencillo, pero erróneo para
cualquier cosa fuera del Plano Multilingüe Básico, como la mayoría de los
emoji: estos se representan con un par subrogado (dos
unidades de código), así que una división ingenua parte un mismo emoji en dos
mitades rotas.
unicodeToList lo resuelve iterando los .runes de la
cadena — los puntos de código Unicode — y convirtiendo cada uno de vuelta en
su propio String de un solo carácter. El resultado es la lista de
puntos de código, igual que el unicodeToArray de FxTS, que divide
por punto de código y no por unidad UTF-16. Los puntos de código no siempre
son lo que una persona ve como un solo carácter: las banderas, las secuencias
de emoji con ZWJ y las marcas combinantes se siguen dividiendo en varias
piezas, porque no se manejan los grapheme clusters.
El nombre de FxTS también funciona: unicodeToArray es un
alias de unicodeToList, que adopta la forma de Dart porque
devuelve una List.
Demo 1 · División ingenua frente a unicodeToList
Demo 2 · Invertir y contar correctamente
Basándose en unicodeToList, una inversión con división ingenua
destrozaría el emoji; esta no:
Pruébalo tú
Ejercicio: cuenta cuántos puntos de código hay en esta cadena (contiene un emoji).
fxSplit — divide con un iterable de caracteres normal ·
reverse — invierte un Iterable; con cadenas hay que cuidar igual los pares subrogados ·
countBy — usado arriba para contabilizar caracteres ·
fxIdentity — usado arriba como clave de conteo