Como contar caracteres e palavras

Três coisas diferentes chamadas "um personagem"

Para textos em inglês sem acentos ou emojis, todos os três concordam exatamente, e é por isso que a diferença passa despercebida até que seja importante. Eles divergem em emojis, em bandeiras, em caracteres acentuados escritos com marcas combinadas e em muitas escritas não latinas.

A consequência prática: se você estiver contando com um limite aplicado em outro lugar — uma coluna de banco de dados, um gateway SMS, um validador de formulário, uma plataforma social — esse sistema pode contar de forma diferente deste. A maneira honesta de verificar um limite rígido é no balcão do próprio destino.

• Um cluster de grafema: o que você vê. Um emoji, uma letra acentuada, uma sílaba Devanagari. Isso é o que o Text Toolkit relata.
• Um ponto de código: um valor Unicode. Um emoji feito de três símbolos mais marceneiros representa vários pontos de código.
• Uma unidade de código: um slot de 16 bits na forma como JavaScript armazena strings. Isto é o que relata um contador ingênuo, e é o maior dos três números.

Como palavras e frases são contadas aqui

Palavras são execuções de espaços não em branco separados por espaços em branco, após o corte. Essa é a definição que quase todo contador de palavras usa, e tem casos extremos conhecidos: um composto hifenizado conta como uma palavra, um travessão sem espaços ao redor cola duas palavras em uma e um item de lista numerado conta seu número.

As sentenças são contadas terminando a pontuação — ponto final, ponto de interrogação, ponto de exclamação e seus equivalentes CJK de largura total. As abreviações aumentam a contagem, então "Dr. Smith chegou". lê como duas frases. Nenhum contador resolve isso sem um dicionário, e uma ferramenta que fingisse o contrário estaria errada de forma menos visível.

As linhas são contadas por quebras de linha, manipulando terminações Windows, Unix e Mac clássico. Os parágrafos são trechos de texto separados por uma linha em branco.

Contando para um limite de plataforma

Os limites da plataforma mudam e são aplicados pela plataforma e não por qualquer contador que você use anteriormente. Em vez de repetir aqui números que podem estar obsoletos no momento em que você lê isto, o conselho útil é sobre METHOD.

Escreva na ferramenta, conte lá para chegar ao alcance e cole na plataforma para confirmar em seu próprio contador antes de postar. A lacuna entre os dois números, se houver, diz como essa plataforma conta - e uma vez que você sabe disso para a plataforma em que posta, você sabe disso.

Duas especificidades que prendem as pessoas independentemente da plataforma. Um URL geralmente é contado como um comprimento fixo em vez de seu comprimento real, portanto, um link longo pode custar menos do que parece. E um emoji pode custar de um a uma dúzia dependendo da regra de contagem, e é por isso que uma postagem que cabe no editor às vezes não cabe na caixa.

Arrumando antes de contar

1. Aparar linhas para remover espaços em branco à esquerda e à direita que aumentam a contagem de caracteres.
2. Remova as linhas vazias se estiver contando uma lista em vez de prosa.
3. Remova duplicatas se a mesma entrada aparecer mais de uma vez e você estiver contando itens distintos.
4. Leia a contagem de linhas para uma lista ou a contagem de palavras para prosa. Contar a estatística errada é um erro mais comum do que contá-la erradamente.

Exemplo resolvido: por que uma linha informa 14 caracteres e 20 em outro lugar

Siga a linha: Envie 🚀 hoje - onde o foguete é um único emoji e o resto é simples ASCII.

Contando a olho nu: S-h-i-p, space, it, space, rocket, space, t-o-d-a-y. Quatorze coisas que uma pessoa apontaria.

O Text Toolkit relata 14 caracteres, 4 palavras, 1 linha. Um contador que mede unidades de código UTF-16 reporta 15, porque o foguete ocupa dois slots.

Agora troque o foguete por um emoji de família construído a partir de quatro pessoas unidas por marceneiros invisíveis. A contagem visível ainda é 14. A contagem de unidades de código salta para cerca de 24, porque essa única imagem tem onze unidades de código.

Resultado: O mesmo texto visível, dois contam com dez de intervalo e nenhuma ferramenta está quebrada. Se um formulário rejeita seu texto enquanto seu contador diz que ele se encaixa, quase sempre é por isso – e a solução é verificar o destino, não discutir com o contador.

Abra a ferramenta

Contar texto no Text Toolkit

Conta agrupamentos de grafemas, palavras, frases, linhas e parágrafos enquanto você digita. Nada é armazenado e nada é enviado para lugar nenhum.

O que isso não cobre

• A contagem de palavras é baseada em espaços em branco, portanto, compostos hifenizados contam como uma palavra e um travessão sem espaço une duas.
• A contagem de frases é baseada em pontuação e aumentada por abreviações.
• A contagem de grafemas usa o segmentador do próprio navegador, quando disponível, portanto, os resultados podem diferir ligeiramente entre navegadores antigos e novos para scripts exóticos.
• Não há estimativa de tempo de leitura, densidade de palavras-chave e pontuação de legibilidade nesta ferramenta.
• O processamento é executado no thread principal, portanto, um documento muito grande pode ser pausado brevemente.
• Esta ferramenta não pode informar o limite atual de nenhuma plataforma e não tenta.