Comment compter les caractères et les mots

Trois choses différentes appelées "un personnage"

Pour un texte anglais sans accents ni emoji, les trois sont exactement d'accord, c'est pourquoi la différence passe inaperçue jusqu'à ce qu'elle soit importante. Ils divergent sur les emoji, sur les drapeaux, sur les caractères accentués écrits avec des marques combinées et sur de nombreuses écritures non latines.

La conséquence pratique : si vous comptez sur une limite appliquée ailleurs – une colonne de base de données, une passerelle SMS, un validateur de formulaire, une plateforme sociale – ce système peut compter différemment de celui-ci. Le moyen honnête de vérifier une limite stricte est d’utiliser le propre compteur de la destination.

• Un cluster de graphèmes : ce que vous voyez. Un emoji, une lettre accentuée, une syllabe Devanagari. C’est ce que rapporte le Text Toolkit.
• Un point de code : une valeur Unicode. Un emoji composé de trois symboles et de menuisiers est constitué de plusieurs points de code.
• Une unité de code : un emplacement de 16 bits dans la manière dont JavaScript stocke les chaînes. C’est ce que rapporte un compteur naïf, et c’est le plus grand des trois nombres.

Comment les mots et les phrases sont comptés ici

Les mots sont des séries d'espaces non blancs séparés par des espaces, après rognage. C'est la définition utilisée par presque tous les compteurs de mots, et il existe des cas extrêmes connus : un composé avec trait d'union compte pour un mot, un tiret cadratin sans espace autour colle deux mots en un seul et un élément de liste numéroté compte son numéro.

Les phrases sont comptées en fonction de la ponctuation finale : point, point d'interrogation, point d'exclamation et leurs équivalents CJK pleine chasse. Les abréviations gonflent le décompte, donc « Le Dr Smith est arrivé ». se lit comme deux phrases. Aucun compteur ne résoudra ce problème sans un dictionnaire, et un outil prétendant le contraire se tromperait tout simplement de manière moins visible.

Les lignes sont comptées par sauts de ligne, en gérant les terminaisons Windows, Unix et Mac classique. Les paragraphes sont des séquences de texte séparées par une ligne vide.

Compter pour une limite de plateforme

Les limites de la plateforme changent et elles sont appliquées par la plateforme plutôt que par un compteur que vous utilisez au préalable. Plutôt que de répéter ici des chiffres qui pourraient être obsolètes au moment où vous lirez ces lignes, les conseils utiles concernent la MÉTHODE.

Écrivez dans l'outil, comptez là pour être à portée et collez-le dans la plate-forme pour confirmer par rapport à son propre compteur avant de publier. L'écart entre les deux chiffres, le cas échéant, vous indique comment cette plateforme compte – et une fois que vous le savez, pour la plateforme sur laquelle vous publiez, vous le savez.

Deux spécificités qui accrochent les gens quelle que soit la plateforme. Une URL est souvent considérée comme une longueur fixe plutôt que comme sa longueur réelle, de sorte qu'un lien long peut coûter moins cher qu'il n'y paraît. Et un emoji peut coûter entre un et une douzaine selon la règle de comptage, c'est pourquoi un message qui rentre dans l'éditeur ne rentre parfois pas dans la boîte.

Ranger avant de compter

1. Coupez les lignes pour supprimer les espaces de début et de fin qui gonflent le nombre de caractères.
2. Supprimez les lignes vides si vous comptez une liste plutôt que de la prose.
3. Supprimez les doublons si la même entrée apparaît plus d’une fois et que vous comptez des éléments distincts.
4. Lisez le nombre de lignes pour une liste ou le nombre de mots pour la prose. Compter une mauvaise statistique est une erreur plus courante que de la mal compter.

Exemple concret : pourquoi une ligne rapporte 14 caractères et 20 ailleurs

Prenez la ligne : expédiez-le 🚀 aujourd'hui - où la fusée est un seul emoji et le reste est en ASCII simple.

Compter à l'œil nu : S-h-i-p, espace, informatique, espace, fusée, espace, aujourd'hui. Quatorze choses qu’une personne pourrait souligner.

Le Text Toolkit rapporte 14 caractères, 4 mots, 1 ligne. Un compteur mesurant les unités de code UTF-16 en indique 15, car la fusée occupe deux emplacements.

Échangez maintenant la fusée contre un emoji familial composé de quatre personnes rejointes par des menuisiers invisibles. Le nombre visible est toujours de 14. Le nombre d’unités de code passe à environ 24, car cette image unique contient onze unités de code.

Résultat : Même texte visible, à deux temps d'intervalle de dix, et aucun des deux outils n'est cassé. Si un formulaire rejette votre texte alors que votre compteur indique qu'il convient, c'est presque toujours la raison - et la solution consiste à vérifier la destination, et non à discuter avec le compteur.

Ouvrez l'outil

Compter le texte dans la boîte à outils de texte

Compte les groupes de graphèmes, les mots, les phrases, les lignes et les paragraphes au fur et à mesure que vous tapez. Rien n'est stocké et rien n'est envoyé nulle part.

Ce que cela ne couvre pas

• Le comptage des mots est basé sur les espaces, donc les composés avec trait d'union comptent pour un mot et un tiret cadratin non espacé en rejoint deux.
• Le comptage des phrases est basé sur la ponctuation et est gonflé par les abréviations.
• Le comptage de graphèmes utilise le segmenteur du navigateur lorsqu'il est disponible, de sorte que les résultats peuvent différer très légèrement entre les anciens et les nouveaux navigateurs pour les scripts exotiques.
• Il n'y a pas d'estimation du temps de lecture, pas de densité de mots clés et pas de score de lisibilité dans cet outil.
• Le traitement s'exécute sur le thread principal, de sorte qu'un document très volumineux peut s'arrêter brièvement.
• Cet outil ne peut pas vous indiquer la limite actuelle d’une plate-forme et n’essaie pas.