言語: 文字 (char / rune) 型と UTF-8 セマンティクス RFC

[ryuichi1208]

目的

文字列のエンコーディングと「1 文字」の表現を決める。f-string (#18) / split / strip / find (#39) の戻り値・添字を確定するために必要。

現状

• string は内部的に UTF-8 (docs/specs/07-string-builtins.md 参照のはず)
• 「1 文字」を表す型が無く、str[0] の戻り値型が未定義
• Bytes (言語: dict[K, V] 型と hashable プロトコル #8 既存) と string のキャスト境界が薄い

検討事項

• エンコーディング: UTF-8 を確定 (Go / Rust と同じ)
• char 型: rune = i32 (Go 風) or char = u32 codepoint (Rust)
• 添字アクセス: str[i] はバイト位置か codepoint 位置か grapheme か
  • Rust は禁止 (bytes() / chars() を明示)
  • Go は byte index
  • Python は codepoint
• イテレーション: for c in str の c の型は？

提案 (drafting)

• UTF-8 を確定
• char (4-byte codepoint) を追加
• str[i] は 禁止または警告（曖昧）→ 代わりに str_codepoints(s) / str_bytes(s) のような明示 API
• for c in str は codepoint イテレーション

受け入れ条件

• RFC ドキュメントを docs/specs/ に追加
• char リテラル構文 ('a', '\u{1F600}') を決定
• 既存 string API への影響を整理し移行プランを書く

関連

• ブロッカー候補: 言語: 文字列リテラル拡張（連結・スライス・f-string） #18 (f-string), stdlib: 文字列メソッド (split, join, strip, find, replace) #39 (文字列メソッド)
• 関連 stdlib: 文字種判定 / 正規化 (将来 issue)