Contador de Caracteres

Todo contador de caracteres responde a uma pergunta que ninguém lhe fez com precisão, e a resposta muda conforme quem pergunta. Este se recusa a dar um único número, porque ele não existe.

Três formas de contar o mesmo texto

"😀".length é 2. O JavaScript conta unidades de código UTF-16, o que é um fato sobre a codificação e não sobre o texto: um emoji precisa de duas. [..."😀"].length é 1, porque um ponto de código está mais perto do que uma pessoa entende por caractere. E a contagem de grafemas também é 1, o número que todo limite de plataforma realmente usa.

Os três se afastam mais do que um único emoji sugere. Um emoji de família formado por quatro pessoas unidas por joiners de largura zero são 11 unidades de código e um grafema. Uma bandeira são dois pontos de código e um grafema. Uma letra com acento combinante é um ou dois pontos de código, dependendo de como foi digitada: o mesmo texto visível, duas contagens diferentes. Os três números aparecem, porque o maxlength de um campo de formulário usa o primeiro, o comprimento de uma coluna de banco de dados costuma usar o segundo e o limite de uma plataforma usa o terceiro.

O X não conta caracteres de forma alguma

O X conta peso. Um ideograma CJK custa dois, uma letra latina custa um e um emoji custa dois, então 140 caracteres japoneses e 280 latinos ocupam o mesmo espaço. Ele também reescreve toda URL pelo t.co e a conta como 23 caracteres fixos, não importando o comprimento real. Uma publicação com um link de 200 caracteres fica 23 caracteres mais curta do que parece, e uma publicação japonesa que se lê como 200 caracteres vale 400 pela aritmética do X: bem acima do limite. As faixas e a regra dos 23 caracteres usadas aqui são a configuração publicada pelo próprio X, não uma estimativa.

O SMS tem dois alfabetos e duas aritméticas

Uma mensagem de texto comporta 160 caracteres se todos estiverem no alfabeto GSM de 7 bits, e 70 se algum não estiver: um apóstrofo curvo, uma maiúscula acentuada, um emoji. Um único caractere pode transformar uma mensagem em três. A concatenação muda os números de novo: 153 e 67, porque cada segmento carrega um cabeçalho. E oito caracteres do alfabeto — {}[]|^~\ e o símbolo do euro — são transmitidos como dois, então uma mensagem que informa 160 de 160 ainda pode ser cobrada como duas.