Byte《=Char《=Grapheme

以前只知道字节和字符的概念，今天看到一个函数，了解到了一个比字符更高阶的概念: Grapheme。查了字典，翻译为字形。后来去Unicode.org查阅了相关定义，字形(Grapheme)是一个文字系统里最小的书写单位。一般来说，一个unicode定义了一个字符，同时这个字符就是一个字形。但是有的字形很有可能是两个unicode字符组合而成，例如下面那个泰文（代码我用PHP实现，不懂PHP的我稍微解释一下就可以当伪码看了：grapheme_strlen接受的是一个utf-8编码的unicode字符串，而mb_strlen可以对传入的串根据指定的字符集进行字符数计算，所以mb_strlen我指定了utf-8）:

$char="เก";
echo grapheme_strlen($char);//输出1
echo mb_strlen($char,'UTF-8');//输出2


其实我不太明白Grapheme存在的意义是什么。干嘛不直接unicode里留一个位置给每个多字符的Grapheme？

想来想去，只有一种情况可能用到：A和B组成一个Grapheme，可以写成AB连体，也可以写成C单体。当AB写在一起的时候，渲染系统就根据各种环境（字体或者其他环境变量）来决定是以AB双字形输出，还是以C单字形输出。但是这样处理的话，就导致在同一个环境（特别是同一种字体的情况下）下，只能以同一种字形来输出了。在一些场景里，特别是学术研究里，很有可能会要求分别输出两种字形。这样看来似乎在字符集里把AB和C分开定义比较好，这样设计字体的时候，就可以提供分别提供两个不同的输出。

越说下去，越觉得Grapheme的概念像字体。

不管了。。

明天就可以恭喜发财，利市落袋咯～～