■
.NETの文字列（Stringオブジェクト）の単位は，MSDNドキュメントによると，文字数である。つまり，いわゆる半角文字でも全角文字でも，1文字として扱う。だが合成文字は，画面上は1文字として表示されても，Lengthプロパティの値は2になる。さらに，1文字を4バイトで表現するときに使う拡張コード「サロゲート・ペア」を用いる文字（UTF16で4バイト）も，Lengthプロパティの値は2になる。
ここで，MSDNドキュメントをもう一度調べてみた。String.Lengthプロパティからは，確かに「このインスタンスの文字数を取得」できるとある。だが，解説欄には，「このインスタンス内のCharオブジェクトの数を返します。Unicode文字の数ではありません。これは，1つの Unicode文字が複数のCharで表されることがあるためです」とある。つまり，String.Lengthプロパティからは，文字数が得られるのではなく，UTF16エンコーディング時のワード数が得られるのだった。
実はこの仕様を決めるときに，マイクロソフト内でも長い間議論があったそうだ。.NETに閉じた世界に限定すれば，完全な文字単位で管理できそうだが，いろいろな場面を想定し，サロゲート・ペアの存在を意識していないアプリケーション・プログラムがクラッシュする可能性を最低にするために，現在の仕様のように合成文字やサロゲート・ペアについて「何もしない」ことが最善であると結論付けられたそうだ。ただ，Unicodeの合成文字やサロゲート・ペアは，今までは入力される機会がほとんど無かったから，意識しなくても問題が起こらなかっただけかもしれない。今後は意識してコーディングする必要がありそうだ。
