C++ Windows環境で絵文字のstd::iswgraphがfalseな理由の考察

VC++ではワイド文字列（L"..."）に絵文字を含めることができます。この文字列に対してstd::iswgraphを適用しても戻り値はfalseです。

#include <string>
#include <cwctype>
#include <iostream>
#include <iomanip>

int main()
{
    const std::wstring s{ L"🍊🍎😁" };
    for (auto i = s.cbegin(); i != s.cend(); i++)
    {
        auto c = *i;
        std::wcout
            << L"0x" << std::hex << std::setfill(L'0') << std::setw(4) << static_cast<size_t>(c)
            << L" : " << std::boolalpha << !!std::iswgraph(c) << std::endl;
    }
}

出力結果

0xd83c : false
0xdf4a : false
0xd83c : false
0xdf4e : false
0xd83d : false
0xde01 : false

この背景にはWindowsではワイド文字が16ビットであることとUTF-16がサロゲートペアを含むことが関与しています。

1. Windows環境ではワイド文字が16ビット

ワイド文字（wchar_t）のサイズは環境依存で、Windowsでは16ビット、LinuxやmacOS環境では32ビットだそうです。したがって、Windows開発ではワイド文字／文字列はUTF-16を指します。

1. UTF-16がサロゲートペアを含む

Unicode 11.0.0ではコードポイント（文字などに対応する番号）として0x0～0x10ffffffが予約されています。一方、UTF-16は16ビットなので0x0～0xffffしか表現できません。UTF-16で0x10000以上のコードポイントを表すため、サロゲートペアと呼ばれる方法が導入されています。

サロゲートペアはUTF-16で使われていなかった2つの領域を上位サロゲート、下位サロゲートとして予約し、上位サロゲートと下位サロゲートのペアで1つのコードポイントを表す方法です。

UTF-16はよく使う文字は16ビット、たまに使われる文字は32ビット（サロゲートペア）で表せるのでUTF-32よりもデータサイズに優れるメリットを持ちますが、扱いの複雑さをデメリットに持ち、Windows環境で絵文字のstd::iswgraphがfalseになる理由もこれに関連しています。

std::iswgraphはwchar_t型の引数を取り、wchar_tはWindows環境では16ビット整数です。std::iswgraphは与えられた引数だけで文字のタイプを判断するため、サロゲートペアの上位・下位を別々に与えられると指すものが分からずfalseを返していると考えられます。

参考：Unicode - Wikipedia