Cómo contar caracteres y palabras.

Tres cosas diferentes llamadas "un personaje"

Para el texto en inglés sin acentos ni emoji, los tres coinciden exactamente, razón por la cual la diferencia pasa desapercibida hasta que importa. Difieren en emoji, banderas, caracteres acentuados escritos con marcas combinadas y en muchas escrituras no latinas.

La consecuencia práctica: si se cuenta con un límite impuesto en otro lugar (una columna de base de datos, una puerta de enlace de SMS, un validador de formularios, una plataforma social), ese sistema puede contar de manera diferente a este. La forma honesta de comprobar un límite estricto es el propio mostrador del destino.

• Un grupo de grafemas: lo que ves. Un emoji, una letra acentuada, una sílaba devanagari. Esto es lo que informa el Text Toolkit.
• Un punto de código: un valor Unicode. Un emoji formado por tres símbolos más elementos de unión son varios puntos de código.
• Una unidad de código: una ranura de 16 bits en la forma en que JavaScript almacena cadenas. Esto es lo que informa un contador ingenuo y es el mayor de los tres números.

Cómo se cuentan aquí las palabras y oraciones

Las palabras son series de espacios que no son espacios en blanco separados por espacios en blanco, después del recorte. Esa es la definición que utilizan casi todos los contadores de palabras, y ha conocido casos extremos: un compuesto con guión cuenta como una palabra, un guión largo sin espacios a su alrededor une dos palabras en una y un elemento de lista numerado cuenta su número.

Las oraciones se cuentan mediante puntuación final: punto, signo de interrogación, signo de exclamación y sus equivalentes CJK de ancho completo. Las abreviaturas inflan el recuento, por lo que "llegó el Dr. Smith". se lee como dos oraciones. Ningún contador resuelve esto sin un diccionario, y una herramienta que pretendiera lo contrario estaría equivocada de manera menos visible.

Las líneas se cuentan mediante saltos de línea, manejando terminaciones de Windows, Unix y Mac clásicas. Los párrafos son corridas de texto separadas por una línea en blanco.

Contando para un límite de plataforma

Los límites de la plataforma cambian y los aplica la plataforma en lugar de cualquier contador que utilice de antemano. En lugar de repetir números aquí que pueden estar obsoletos cuando leas esto, el consejo útil es sobre el MÉTODO.

Escriba en la herramienta, cuente allí para estar dentro del alcance y péguelo en la plataforma para confirmar con su propio contador antes de publicar. La brecha entre los dos números, si la hay, le indica cómo cuenta esa plataforma, y ​​una vez que lo sepa para la plataforma en la que publica, lo sabrá.

Dos detalles que atrapan a la gente independientemente de la plataforma. Una URL a menudo se cuenta como una longitud fija en lugar de su longitud real, por lo que un enlace largo puede costar menos de lo que parece. Y un emoji puede costar entre uno y una docena dependiendo de la regla de conteo, razón por la cual una publicación que cabe en el editor a veces no cabe en el cuadro.

Ordenar antes de contar

1. Recorte las líneas para eliminar los espacios en blanco iniciales y finales que aumentan el número de caracteres.
2. Elimine las líneas vacías si está contando una lista en lugar de prosa.
3. Elimine los duplicados si la misma entrada aparece más de una vez y está contando elementos distintos.
4. Lea el recuento de líneas para una lista o el recuento de palabras para prosa. Contar la estadística incorrecta es un error más común que contarla incorrectamente.

Ejemplo resuelto: por qué una línea informa 14 caracteres y 20 en otros lugares

Tome la línea: envíelo 🚀 hoy, donde el cohete es un solo emoji y el resto es ASCII simple.

Contando a ojo: S-h-i-p, espacio, i-t, espacio, cohete, espacio, hoy. Catorce cosas que una persona señalaría.

El Text Toolkit informa 14 caracteres, 4 palabras, 1 línea. Un contador que mide unidades de código UTF-16 indica 15, porque el cohete ocupa dos ranuras.

Ahora cambia el cohete por un emoji familiar formado por cuatro personas unidas por carpinteros invisibles. El recuento visible sigue siendo 14. El recuento de unidades de código salta a alrededor de 24, porque esa única imagen tiene once unidades de código.

Resultado: El mismo texto visible, dos contando hasta diez y ninguna herramienta está rota. Si un formulario rechaza su texto mientras su contador dice que encaja, casi siempre es por eso, y la solución es comparar el destino, no discutir con el mostrador.

Abre la herramienta

Contar texto en el kit de herramientas de texto

Cuenta grupos de grafemas, palabras, oraciones, líneas y párrafos a medida que escribe. No se almacena nada ni se envía nada a ninguna parte.

Lo que esto no cubre

• El conteo de palabras se basa en espacios en blanco, por lo que los compuestos con guiones cuentan como una palabra y un guión sin espacio une dos.
• El recuento de frases se basa en la puntuación y está inflado por las abreviaturas.
• El recuento de Grapheme utiliza el segmentador propio del navegador cuando está disponible, por lo que los resultados pueden diferir ligeramente entre los navegadores antiguos y nuevos para scripts exóticos.
• No hay estimación del tiempo de lectura, densidad de palabras clave ni puntuación de legibilidad en esta herramienta.
• El procesamiento se ejecuta en el hilo principal, por lo que un documento muy grande puede detenerse brevemente.
• Esta herramienta no puede indicarle el límite actual de ninguna plataforma y no lo intenta.