Chromeは、日本語のテキストをダブルクリックしたときに何をハイライトするかをどのように決定しますか？

Chromeで英語のテキストをダブルクリックすると、クリックした空白で区切られた単語が強調表示されます。これは当然のことです。しかし、先日、日本語のテキストを読みながらクリックしていたところ、日本語にスペースがないにもかかわらず、単語の境界でハイライトされている単語があることに気付きました。これがテキストの例です。

どこで生れたかとんと見当がつかぬ。何でも薄暗いじめじめした所でニャーニャー泣いていた事だけは記憶している。

たとえば、薄暗いをクリックすると、1つの文字クラスではありません（これは漢字とひらがなの混合です）が、Chromeはそれを1つの単語として正しく強調表示します。すべてのハイライトが正しいわけではありませんが、ランダムに見えるわけではありません。

Chromeはここで何を強調するかをどのように決定しますか？Chromeのソースで「日本語」を検索してみましたが、私のバージョンのChromeではアクティブに見えない実験的なモジュールのテストしか見つかりませんでした。

したがって、v8には非標準の多言語単語セグメンターがあり、日本語を処理することがわかりました。

function tokenizeJA(text) {
  var it = Intl.v8BreakIterator(['ja-JP'], {type:'word'})
  it.adoptText(text)
  var words = []

  var cur = 0, prev = 0

  while (cur < text.length) {
    prev = cur
    cur = it.next()
    words.push(text.substring(prev, cur))
  }

  return words
}

console.log(tokenizeJA('どこで生れたかとんと見当がつかぬ。何でも薄暗いじめじめした所でニャーニャー泣いていた事だけは記憶している。'))
// ["どこ", "で", "生れ", "たか", "とんと", "見当", "が", "つ", "か", "ぬ", "。", "何でも", "薄暗い", "じめじめ", "した", "所", "で", "ニャーニャー", "泣", "い", "て", "いた事", "だけ", "は", "記憶", "し", "て", "いる", "。"]

これを示すjsfiddleも作成しました。

品質は驚くべきものではありませんが、これがサポートされていることに驚いています。

JonathonWによって投稿されたリンクに基づくと、答えは基本的に次のようになります。「日本語の単語の大きなリストがあり、Chromeは単語をダブルクリックしたかどうかをチェックします。」

具体的には、v8はICUを使用して、テキストを単語に分割するなど、Unicode関連のテキスト処理を行います。ICU境界検出コードには、日本語、中国語、タイ語など、スペースを持たない言語用の「辞書ベースのBreakIterator」が含まれています。

また、「薄暗い」の具体的な例については、ICUが出荷する中国語と日本語の組み合わせ辞書（行255431）でその単語を見つけることができます。現在、リストには315,671の中国語/日本語の単語があります。おそらく、Chromeが適切に分割されないという単語を見つけた場合、ICUにパッチを送信してその単語を追加することができます。