Cara menghitung karakter dan kata

Tiga hal berbeda yang disebut "karakter"

Untuk teks bahasa Inggris tanpa aksen atau emoji, ketiganya sama persis, itulah sebabnya perbedaannya tidak diperhatikan hingga menjadi penting. Mereka berbeda dalam emoji, bendera, karakter beraksen yang ditulis dengan tanda gabungan, dan banyak skrip non-Latin.

Konsekuensi praktisnya: jika Anda menghitung terhadap batasan yang diberlakukan di tempat lain — kolom database, gateway SMS, validator formulir, platform sosial — sistem tersebut mungkin menghitung secara berbeda dari sistem ini. Cara jujur ​​untuk mengecek hard limit adalah di loket tujuan sendiri.

• Cluster grafem: apa yang Anda lihat. Satu emoji, satu huruf beraksen, satu suku kata Dewanagari. Inilah yang dilaporkan oleh Text Toolkit.
• Titik kode: satu nilai Unicode. Emoji yang terbuat dari tiga simbol ditambah gabungan adalah beberapa poin kode.
• Unit kode: satu slot 16-bit di jalan JavaScript menyimpan string. Inilah yang dilaporkan oleh penghitung naif, dan ini adalah angka terbesar dari ketiga angka tersebut.

Bagaimana kata dan kalimat dihitung di sini

Kata-kata dijalankan tanpa spasi yang dipisahkan oleh spasi, setelah dipangkas. Itu adalah definisi yang digunakan hampir setiap penghitung kata, dan ini memiliki kasus tepi yang diketahui: kata majemuk yang diberi tanda hubung dihitung sebagai satu kata, tanda hubung em tanpa spasi di sekitarnya merekatkan dua kata menjadi satu, dan item daftar bernomor menghitung jumlahnya.

Kalimat dihitung dengan mengakhiri tanda baca — titik, tanda tanya, tanda seru, dan padanannya CJK lebar penuhnya. Singkatan menambah hitungan, jadi "Dr. Smith tiba." dibaca sebagai dua kalimat. Tidak ada penghitung yang menyelesaikan masalah ini tanpa kamus, dan alat yang berpura-pura sebaliknya hanya akan membuat kesalahan menjadi kurang terlihat.

Garis dihitung berdasarkan jeda baris, menangani akhiran Windows, Unix, dan Mac klasik. Paragraf adalah jaringan teks yang dipisahkan oleh baris kosong.

Menghitung batas platform

Batasan platform berubah, dan batasan tersebut diberlakukan oleh platform, bukan oleh penghitung mana pun yang Anda gunakan sebelumnya. Daripada mengulang nomor di sini yang mungkin sudah basi saat Anda membaca ini, saran yang berguna adalah tentang METHOD.

Tulis di alat, hitung di sana agar berada dalam jangkauan, dan tempelkan ke platform untuk mengonfirmasi ke penghitungnya sendiri sebelum memposting. Kesenjangan antara kedua angka tersebut, jika ada, memberi tahu Anda bagaimana platform tersebut diperhitungkan — dan begitu Anda mengetahuinya untuk satu platform tempat Anda memposting, Anda akan mengetahuinya.

Dua hal spesifik yang menarik perhatian orang, apa pun platformnya. URL sering kali dihitung sebagai panjang tetap, bukan panjang sebenarnya, jadi tautan panjang mungkin harganya lebih murah daripada yang terlihat. Dan harga sebuah emoji bisa berkisar antara satu hingga selusin tergantung pada aturan penghitungan, itulah sebabnya postingan yang muat di editor terkadang tidak muat di dalam kotak.

Merapikan sebelum Anda menghitung

1. Pangkas garis, untuk menghapus spasi di awal dan akhir yang menambah jumlah karakter.
2. Hapus baris kosong jika Anda menghitung daftar, bukan prosa.
3. Hapus duplikat jika entri yang sama muncul lebih dari sekali dan Anda menghitung item berbeda.
4. Baca jumlah baris untuk sebuah daftar, atau jumlah kata untuk prosa. Menghitung statistik yang salah adalah kesalahan yang lebih umum terjadi daripada salah menghitungnya.

Contoh praktis: mengapa satu baris melaporkan 14 karakter dan 20 di tempat lain

Ambil contoh: Kirimkan 🚀 hari ini — yang roketnya berupa satu emoji dan sisanya polos ASCII.

Menghitung dengan mata: Kapal, luar angkasa, i-t, luar angkasa, roket, luar angkasa, t-o-d-a-y. Empat belas hal yang ditunjukkan seseorang.

Perangkat Teks melaporkan 14 karakter, 4 kata, 1 baris. Penghitung berukuran UTF-16 satuan kode melaporkan 15, karena roket menempati dua slot.

Sekarang tukar roket tersebut dengan emoji keluarga yang terdiri dari empat orang yang bergabung dengan anggota yang tidak terlihat. Hitungan yang terlihat masih 14. Jumlah unit kode melonjak menjadi sekitar 24, karena satu gambar tersebut terdiri dari sebelas unit kode.

Hasil: Teks terlihat sama, dua hitungan terpisah sepuluh, dan tidak ada alat yang rusak. Jika suatu formulir menolak teks Anda sementara penghitung Anda mengatakan itu cocok, ini hampir selalu menjadi alasannya — dan cara mengatasinya adalah dengan memeriksa tujuannya, bukan berdebat dengan penghitung.

Buka alatnya

Hitung teks di Text Toolkit

Menghitung kelompok grafem, kata, kalimat, baris, dan paragraf saat Anda mengetik. Tidak ada yang disimpan dan tidak ada yang dikirim ke mana pun.

Hal ini tidak tercakup dalam hal ini

• Penghitungan kata didasarkan pada spasi, jadi kata majemuk yang diberi tanda hubung dihitung sebagai satu kata dan tanda hubung em tanpa spasi menggabungkan dua kata.
• Penghitungan kalimat didasarkan pada tanda baca dan ditambah dengan singkatan.
• Penghitungan grafem menggunakan segmenter milik browser jika tersedia, sehingga hasilnya mungkin sedikit berbeda antara browser lama dan baru untuk skrip eksotik.
• Tidak ada perkiraan waktu membaca, tidak ada kepadatan kata kunci, dan tidak ada skor keterbacaan pada alat ini.
• Pemrosesan berjalan di thread utama, sehingga dokumen yang sangat besar mungkin dijeda sebentar.
• Alat ini tidak dapat memberi tahu Anda batas platform mana pun saat ini, dan tidak mencobanya.