Preencher largura monoespaçada

Preencher uma string para que as colunas fiquem alinhadas em um terminal é um problema de largura visual, não de contagem de caracteres. Ideogramas do Leste Asiático, sílabas hangul, letras latinas de largura completa e a maioria dos emoji ocupam duas colunas em uma fonte monoespaçada, enquanto marcas combinantes, seletores de variação e joiners de largura zero não ocupam nenhuma. Um preenchimento baseado no length de JavaScript desalinha qualquer célula que misture latim com japonês, chinês ou coreano. Esta ferramenta mede colunas de exibição no estilo East Asian Width e insere um caractere de preenchimento de uma coluna à esquerda, à direita ou dos dois lados até atingir a contagem-alvo.

Como a largura visual da coluna é medida

Em um terminal monoespaçado típico, cada letra, dígito e pontuação ASCII ocupa uma coluna. Esse modelo mental quebra assim que a string contém um caractere cujo East Asian Width é Wide ou Fullwidth. Ideogramas unificados CJK, sílabas hangul, dígitos de largura completa (as formas ideográficas de zero a nove) e o bloco latino de largura completa ocupam duas colunas cada.

Marcas combinantes das categorias Mn ou Me, caracteres de formato, vogais mediais e consoantes finais jamo do hangul, seletores de variação e o joiner de largura zero ocupam zero colunas e se ligam ao grafema anterior. Pares de indicadores regionais que formam um emoji de bandeira são tratados como um único cluster de duas colunas, e emoji unidos com um joiner de largura zero permanecem um cluster de largura dois em vez de empilhar pictogramas independentes.

Caracteres de largura ambígua, como letras gregas e alguns símbolos, seguem a convenção POSIX e ocidental e contam como uma coluna, o que coincide com a maioria dos terminais Linux e macOS fora de um locale do Leste Asiático. Caracteres de controle, inclusive tab e quebra de linha, são rejeitados: a largura do tab não é propriedade da string, e esta ferramenta preenche uma célula, não uma tabela inteira.

O algoritmo percorre code points Unicode, nunca pares substitutos UTF-16, então um único emoji fora do Basic Multilingual Plane é um caractere, não dois. O resultado é a mesma contagem de colunas que você obteria de uma medição conservadora no estilo wcwidth, exatamente o que precisa antes de acrescentar caracteres de preenchimento para que um nome japonês e um SKU latino compartilhem uma borda direita reta.

Onde o preenchimento por largura visual aparece no trabalho real

Autores de CLI, formatadores de log e qualquer pessoa que imprima uma tabela em fonte monoespaçada encontram este problema na primeira vez que um valor japonês, chinês ou coreano cai numa coluna dimensionada com o comprimento da string. Números de fatura ficam ao lado de nomes de produto; um nome CJK que tem dois caracteres JavaScript ocupa quatro colunas de terminal e empurra a coluna de preço para a direita.

Tabelas Markdown, painéis de status de um README e impressoras térmicas de recibo têm a mesma restrição quando uma célula mistura escritas. Pipelines de dados que emitem arquivos de exportação de largura fixa para mercados do Leste Asiático não podem usar um preenchimento por contagem de caracteres sem quebrar o leiaute que o parser bancário ou de mainframe espera. Prefira esta página quando a intenção de busca for preencher na largura monoespaçada, largura visual, East Asian Width, wcwidth ou alinhar colunas CJK num terminal.

Pad à esquerda ou com zeros de identificadores ASCII é outra consulta e pertence à ferramenta de pad por contagem de caracteres; esta landing trata do alinhamento de colunas que só aparece quando caracteres largos entram na célula.