Zeichen-Zähler

Jeder Zeichen-Zähler beantwortet eine Frage, die ihm nie präzise gestellt wurde, und die Antwort hängt davon ab, wer fragt. Dieser hier verweigert sich der einzelnen Zahl, weil es sie nicht gibt.

Drei Arten, denselben Text zu zählen

"😀".length ist 2. JavaScript zählt UTF-16-Codeeinheiten – eine Tatsache über die Kodierung, nicht über den Text; ein Emoji braucht zwei davon. [..."😀"].length ist 1, denn ein Codepunkt kommt dem näher, was ein Mensch ein Zeichen nennt. Und die Graphem-Zahl ist ebenfalls 1 – die Zahl, die jedes Plattform-Limit tatsächlich verwendet.

Die drei laufen weiter auseinander, als ein einzelnes Emoji vermuten lässt. Ein Familien-Emoji aus vier durch Zero-Width-Joiner verbundenen Personen sind 11 Codeeinheiten und ein Graphem. Eine Flagge sind zwei Codepunkte und ein Graphem. Ein Buchstabe mit kombinierendem Akzent ist ein oder zwei Codepunkte, je nachdem, wie er getippt wurde – derselbe sichtbare Text, zwei verschiedene Zählungen. Alle drei Zahlen werden angezeigt, denn das maxlength eines Formularfelds verwendet die erste, die Länge einer Datenbankspalte oft die zweite und ein Plattform-Limit die dritte.

X zählt gar keine Zeichen

X zählt Gewicht. Ein CJK-Ideogramm kostet zwei, ein lateinischer Buchstabe eins, ein Emoji zwei – daher belegen 140 japanische und 280 lateinische Zeichen denselben Raum. Außerdem schreibt X jede URL über t.co um und rechnet sie pauschal als 23 Zeichen, egal wie lang sie wirklich ist. Ein Beitrag mit einem 200-Zeichen-Link ist also 23 Zeichen kürzer, als er aussieht, und ein japanischer Beitrag, der wie 200 Zeichen aussieht, liegt bei Xs Rechnung bei 400 – deutlich über dem Limit. Die Bereiche und die 23-Zeichen-Regel stammen aus der veröffentlichten Konfiguration von X selbst, nicht aus einer Schätzung.

SMS hat zwei Alphabete und zwei Rechenarten

Eine Textnachricht fasst 160 Zeichen, wenn jedes im 7-Bit-GSM-Alphabet liegt, und 70, wenn auch nur eines es nicht ist – ein typografisches Apostroph, ein akzentuierter Großbuchstabe, ein Emoji. Ein einziges Zeichen kann so aus einer Nachricht drei machen. Die Konkatenation ändert die Zahlen erneut: 153 und 67, weil jedes Segment einen Header trägt. Und acht Zeichen des Alphabets – {}[]|^~\ und das Eurozeichen – werden als zwei übertragen, sodass eine Nachricht, die 160 von 160 meldet, trotzdem als zwei abgerechnet werden kann.