Solidity で正確な文字列を 1 組の行に分割する: どれだけ骨が折れるでしょうか?

NFT のオンチェーン SVG 生成のために、(任意の) 文字列を 1 組の行に正確に分割することが最近不可欠です。 各行も正直スムーズに 40 文字掛けることができます。 少し簡単で、倫理的ですか? 文字列を取る外部機能を使い果たす を返し、 文字列を返します  特定の特定の人の行を含む配列。 簡単な実装は次のようになります: 
 堅牢性 ファーストマナー   feature lineSplit(string memory text) 外部純粋な戻り値 (stringメモリ) { バイト メモリ textBytes=バイト(テキスト);  uint lengthInBytes=textBytes.length;  require(lengthInBytes> 0, "無効な長さ");  uint 行=(lengthInBytes - 1) / 40 + 1; 弦memory strLines=現代文字列 (行); バイト メモリ bytesLines=現代的なバイト (40);  for (uint i; i  0 && i % 40==0) { strLines[i / 40 - 1]=文字列 (bytesLines);  bytesLines=現代バイト (40);  } bytes1 パーソナリティ=textBytes[i];  bytesLines[i % 40]=パーソナリティ;  strLines[lines - 1]=string(bytesLines);  strLines を返します。  } 
"A"、"AAA"、または "A 」 41、結果は十分に見えます。 では、私たちの紐が個性的な愛に対応しているとしたらどうでしょうか。 文字列AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAèを渡す場合、優勢な苦悩をほのめかします。この機能は2つの線を返しますが、優勢な線の最終的な性格と2d線の優勢は無効です. これは、è が UTF-8 エンコーディングのマルチバイト パーソナリティであるためです 0xC3 0xA8、それにもかかわらず、実装はバイト単位で分割されます。 この真実に起因して、マルチバイト文字間で切り分けられないように実装を変更する必要があります。 これは懸念事項について紹介します: 
私たちはもはやstring を 40 文字に変換しますが、それでも (およそ) 40 バイトです。 ここでは私たちの実装では問題ありませんが、正直なところ、他の実装ではそうではない必要があります。その場合、おそらく真の文字を数える必要があります.
中断にマルチバイトのパーソナリティがある場合、約 1 バイト (4 バイト文字の場合は 1 ペアの余分なバイト) で構成される必要があるため、各行は否定できない長さ (バイト単位) を維持できるようになりました。
さて、これらの問題を処理するように機能を書き直しましょう。正確には:  堅牢性 ) セカンドマナー [i - 1]  特徴 l  ineSplit2(string memory text) 外部の純粋な戻り値 (stringメモリ) { バイト メモリ textBytes=バイト(テキスト);  uint lengthInBytes=textBytes.length;  require(lengthInBytes> 0, "無効な長さ");  uint 行=(lengthInBytes - 1) / 40 + 1; 弦memory strLines=現代文字列 (行);  bool prevByteWasContinuation;  uint256 insertLines; バイト メモリ bytesLines=現代のバイト (43);  uint bytesOffset;  for (uint i; i  0 && (i + 1) % 40==0) || prevByteWasContinuation || i==lengthInBytes - 1) { bytes1 nextCharacter;  if (i !=lengthInBytes - 1) { nextCharacter=textBytes[i + 1];  } if (nextCharacter & 0xC0==0x80) { // Unicode 継続バイト、上位 2 ビットは 10 prevByteWasContinuation=Deded;  } else { // 小売業者の真の長さのアセンブリ { mstore(bytesLines, bytesOffset) } strLines[insertedLines++]=string(bytesLines);  bytesLines=現代的なバイト (43);  prevByteWasContinuation=false; バイトオフセット=0;  } } } strLines を返します。  } 
Unicode 継続バイトは、2 つの上位ビット (最も効果的な 10[i % 40]  継続バイトの場合) インライン アセンブリを実行して、文字列にキャストする前に、バイト配列の長さを完全な長さに変更できます。
ストリングス大好き[👨‍👩‍👧‍👧👨‍👩‍👧, ‍👧👨‍👩‍👧‍👧] AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAè または [i - 2] AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAèè are in actuality accurately handled, effective! また、文字列の愛である絵文字の機能を使い果たすこともできますそれからまたしても、文字列 👨‍👩‍👧‍👧👨‍👩‍👧‍👧👨‍👩‍👧‍👧をいじった後、奇妙なことが起こります。 機能の出力は [👨‍👩‍👧‍👧👨‍👩‍👧, ‍👧👨‍👩‍👧‍👧]ちょっと待って、私たちの機能は娘を 2D ファミリーから削除しましたか??? これは、emojis love 👨‍👩‍👧‍👧 が、nil width joiner (0xE2 0x80 0x8D) そして、私たちは間違いなくこれらのジョイナー (特定の人物の UTF8 文字) を破壊します.そうならないように機能を変更しましょう。 これにより、間違いなくロードの行が長くなります (バイト単位)。そのため、次のバッファを割り当てる必要があります: 
 [i - 2] 堅牢性 サード・マナー  機能 lineSplit3(文字列メモリ テキスト) 外部純粋なリターン (文字列メモリ) { バイト メモリ textBytes=バイト(テキスト);  uint lengthInBytes=textBytes.length;  require(lengthInBytes> 0, "無効な長さ");  uint 行=(lengthInBytes - 1) / 40 + 1; 弦memory strLines=現代文字列 (行);  bool prevByteWasContinuation;  uint256 insertLines; バイト メモリ bytesLines=現代のバイト (80);  uint bytesOffset;  for (uint i; i  0 && (i + 1) % 40==0) || prevByteWasContinuation || i==lengthInBytes - 1) { bytes1 nextCharacter;  if (i !=lengthInBytes - 1) { nextCharacter=textBytes[i + 1];  } if (nextCharacter & 0xC0==0x80) { // Unicode 継続バイト、上位 2 ビットは 10 prevByteWasContinuation=Deded;  } else { // 前の場合は分割しないでください。 または次のパーソナリティは無幅建具屋。 別のケースでは、👨‍👧‍👦 はおそらく 👨>‍👧‍👦 if ( // i =2 && textBytes[i - 2]==0xE2 && textBytes[i + 4]==0x80 && textBytes[i]==0x8D) ) { prevByteWasContinuation=熱心; 続行;  } // 小売業者の真の長さのアセンブリ { mstore(bytesLines, bytesOffset) } strLines[insertedLines++]=string(bytesLines);  bytesLines=現代的なバイト (80);  prevByteWasContinuation=false; バイトオフセット=0;  } } } strLines を返します。  } 
私たちの機能は [i + 4] を返すようになりました。 それで、献身的なSolidityライン分割機能を作成し、誇りに思うこともできますか? 文字列「🤦🏿🤦🏿🤦🏿🤦🏿abcd🤦🏿」で最終テストを達成しましょう。 この機能は [i + 4] を返しますが、これは私たちが解決したものではありません! ここでの苦悩は、🤦 の後にスキン トーン修飾子 (nil width joiner なし) があり、これらの文字間で倫理を分割することです。 すべて倫理的です。0xF0 0x9F 0x8F XY ここで XY[i + 4]  は 0xBB , 0xBC、0xBD、0xBE, 0xBF (考えられるすべてのスキントーン修飾子):
  )堅牢性 第四の作法  機能 lineSplit4(文字列メモリ テキスト) 外部純粋なリターン (文字列メモリ) { バイト メモリ textBytes=バイト(テキスト);  uint lengthInBytes=textBytes.length;  require(lengthInBytes> 0, "無効な長さ");  uint 行=(lengthInBytes - 1) / 40 + 1; 弦memory strLines=現代文字列 (行);  bool prevByteWasContinuation;  uint256 insertLines; バイト メモリ bytesLines=現代のバイト (80);  uint bytesOffset;  for (uint i; i  0 && (i + 1) % 40==0) || prevByteWasContinuation || i==lengthInBytes - 1) { bytes1 nextCharacter;  if (i !=lengthInBytes - 1) { nextCharacter=textBytes[i + 1];  } if (nextCharacter & 0xC0==0x80) { // Unicode 継続バイト、上位 2 ビットは 10 prevByteWasContinuation=Deded;  } else { // 前の場合は分割しないでください。 または次のパーソナリティは無幅建具屋。 別のケースでは、👨‍👧‍👦 は 👨>‍👧‍👦 に変わる可能性があります。 i =187 && uint8(textBytes[i + 4]) =2 && textBytes[i - 2]==0xE2 && textBytes[i - 1]==0x80 && textBytes[i]==0x8D) ) { prevByteWasContinuation=熱心; 続行;  } // 小売業者の真の長さのアセンブリ { mstore(bytesLines, bytesOffset) } strLines[insertedLines++]=string(bytesLines);  bytesLines=現代的なバイト (80);  prevByteWasContinuation=false; バイトオフセット=0;  } } } strLines を返します。  } 
これで、このケースは正常に処理されました。 それで、これはすべての入力を完全に処理する献身的なSolidityライン分割アルゴリズムですか? いいえ、断じてありません。  Unicode の改行は非常に熱心で、<=191) ||                        (i>このトピックに関する 25 紙の付録があります 。 アルゴリズムはいくつかの (継続的に発生する) エッジ ケースを正確に処理しますが、他の文字 (中国語など) のテキストで批判的に、最も確実に問題になる他のケースがあります。  この送信のコードが十分に調査されておらず、説明の選択肢として最も効果的な時代遅れであることにため息をつきます。 ご自身の確率でご利用ください 
>𝚆𝚊𝚝𝚌𝚑 𝙽𝙾𝚆 📺
Related Posts
