Instruções
Identificaste uma lacuna no mercado das redes sociais para publicações muito, muito curtas.
Agora que o Twitter permite publicações de 280 carateres, quem quer atualizações rápidas nas redes sociais não está a ser servido.
Decides criar a tua própria rede social.
Para tornar o teu produto digno de nota, tornas-lo extremo e só permites publicações de 5 carateres ou menos.
Qualquer publicação com mais de 5 carateres deve ser truncada para 5.
Para permitires que os teus utilizadores se expressem livremente, permites Emoji e outros carateres Unicode.
A tarefa é truncar as strings de entrada para 5 carateres.
Codificações de texto
O texto guardado digitalmente tem de ser convertido numa série de bytes.
Há 3 formas de mapear carateres para bytes em uso comum.
- O ASCII consegue codificar carateres da língua inglesa.
Todos os carateres têm exatamente 1 byte.
- O UTF-8 é uma codificação de texto Unicode.
Os carateres ocupam entre 1 e 4 bytes.
- O UTF-16 é uma codificação de texto Unicode.
Os carateres têm 2 ou 4 bytes.
Tanto o UTF-8 como o UTF-16 são codificações Unicode, o que significa que conseguem representar uma enorme variedade de carateres, incluindo:
- Texto na maioria das línguas e sistemas de escrita do mundo
- Texto histórico
- Emoji
Tanto o UTF-8 como o UTF-16 são codificações de comprimento variável, o que significa que carateres diferentes ocupam quantidades diferentes de espaço.
Repara na letra 'a' e no emoji '😛'.
Em UTF-16, a letra ocupa 2 bytes, mas o emoji ocupa 4 bytes.
O truque deste exercício é usar APIs concebidas em torno de carateres Unicode (codepoints) em vez de codeunits Unicode.
Notas sobre o Unicode no Tcl
Na versão 8.1, as strings do Tcl conseguiam lidar com carateres Unicode sem problemas.
Na altura, isso era bastante inovador.
No entanto, à medida que foram criados cada vez mais carateres Unicode, a capacidade do Tcl para os tratar ficou para trás.
A implementação interna do Tcl só conseguia lidar com carateres Unicode de 16 bits, o que abrange apenas os primeiros 65 526 carateres.
Esta página da wiki do Tcl, em particular a discussão sobre a linguagem "AndroWish", explica as razões.
O Tcl 9.0 é a primeira versão que consegue lidar com o conjunto completo de carateres Unicode.
Por isso, este exercício só se resolve (facilmente) com a versão 9.0 do Tcl.
