위키득계정 ↗
기술

문자열 길이와 바이트 길이의 차이

문자열 길이와 바이트 길이의 차이기술
바이트 길이
특정 인코딩으로 표현한 크기
코드 포인트
유니코드에서 부여한 번호 단위
사용자 문자
여러 코드 포인트가 결합할 수 있음
설계 기준
저장 제한과 화면 제한 구분
문자열의 글자 수와 저장하거나 전송할 때의 바이트 수는 다른 기준이다. 코드 포인트, 코드 유닛, 사용자에게 한 글자로 보이는 단위도 서로 다를 수 있어 길이 제한의 단위를 먼저 정해야 한다.

같은 글자 수의 다른 크기

영문 두 글자와 한글 두 음절은 사람이 보기에는 모두 두 글자로 셀 수 있다. 그러나 UTF-8로 바꾸었을 때 바이트 수는 다를 수 있다. 문자열 길이 함수의 반환값만으로 전송 크기를 계산하면 입력에 따라 제한을 초과할 수 있다. 저장소가 바이트 제한을 둔다면 실제 인코딩 결과의 크기를 확인해야 한다.

한 글자의 여러 구성

화면에 한 글자처럼 보이는 내용이 여러 코드 포인트로 구성될 수 있다. 기본 글자와 결합 부호가 함께 표현되거나 여러 요소가 하나의 이모지 표현을 만들 수 있기 때문이다. 프로그래밍 언어의 기본 문자열 길이가 사용자가 생각하는 글자 수와 언제나 같지는 않다. 사용 중인 함수가 무엇을 세는지 확인한다.

두 종류의 제한

프로필 이름을 화면에서 일정 길이로 보이게 하는 제한과 데이터베이스 열의 저장 한도는 목적이 다르다. 전자는 사용자에게 보이는 단위를 고려할 수 있고 후자는 저장 자료형과 인코딩의 제약을 따라야 한다. 같은 숫자 20을 모든 계층에 붙였다고 같은 입력 집합을 허용하는 것은 아니다.

잘라 내는 위치

바이트 배열을 임의의 위치에서 자르면 여러 바이트로 표현된 문자의 중간을 끊을 수 있다. 코드 포인트 경계를 지켜도 결합된 표현 한가운데를 자를 수 있다. 원하는 제한의 단위에 맞는 경계를 찾은 뒤 잘라야 한다. 제한 초과 시 무조건 자를지 입력을 거절할지도 기능의 목적에 따라 정한다.

시험할 문자열

영문과 한글뿐 아니라 결합 부호, 여러 요소가 결합한 이모지, 줄바꿈, 공백을 포함해 시험한다. 클라이언트와 서버가 서로 다른 단위를 세면 화면에서는 통과한 입력이 저장 단계에서 실패할 수 있다. 사용자에게 보이는 제한과 실제 저장 계약을 맞추되 필요한 경우 두 제약을 함께 검사한다.

관련 문서

한글 / 언어 / 배열