Tegn med eller uden mellemrum: hvilken optælling et felt bruger

En formular, et CV-portal, en sms eller et opslag på sociale medier tæller tegn på en af to måder: med mellemrum eller uden. Læs feltets label eller hjælpetekst først, for der står ofte, hvilken måde der gælder. Står der ingen af delene, så brug den strengeste optælling, som oftest er den uden mellemrum. Emojis og nogle bogstaver med accenter kan også tælles som mere end ét tegn i systemer, der måler tekst i kodeenheder eller bytes. Derfor kan en tekst godkendes i én tæller og afvises i en anden. Tæl med et værktøj, der følger den samme regel som formularen.

Med mellemrum eller uden

• Med mellemrum tæller hvert tegn, du skriver, inklusive hvert mellemrum, som ét tegn.
• Uden mellemrum fjerner alle mellemrumstegn, før der tælles, så ordene klistrer sammen. Ordtællerens tal uden mellemrum fjerner alle mellemrumstegn, herunder linjeskift, tabulatorer og hårde mellemrum, og tæller det, der er tilbage.

„Hello world“ har 11 tegn med mellemrummet og 10 uden. Et felt, der beder om tegn uden mellemrum, vil have det andet tal.

Hvorfor en emoji kan tælle som to

Tekst har to slags længde. Den første er den, folk ser: en grafemklynge, som er ét synligt tegn, selv om flere kodepunkter er med til at bygge det. Den anden er det, computeren gemmer. JavaScripts strenglængde og mange ældre systemer tæller UTF-16-kodeenheder. De fleste bogstaver bruger én enhed, men tegn uden for Basic Multilingual Plane, herunder mange emojis, bruger to. Tommelfingeremojien, U+1F44D, ser ud som ét tegn og er to UTF-16-enheder. En tæller, der bruger kodeenheder, viser derfor 2.

Ordtælleren her tæller synlige tegn, så tommelfingeremojien tæller som 1. En familieemoji tæller også som 1, selv om den består af flere kodepunkter, som er sat sammen med zero-width joiners. En formular, der tæller kodeenheder, viser flere, og forskellen vokser med hver emoji i teksten.

Bogstaver med accenter

Bogstavet é kan gemmes på to måder. Som ét kodepunkt, U+00E9, er det én enhed overalt. Som bogstavet e efterfulgt af den kombinerende akut accent, U+0301, er det to kodepunkter og to enheder. Begge ser ens ud på skærmen. En tæller, der tæller kodepunkter eller enheder, giver 2 for den anden form, mens ordtælleren giver 1 for begge.

Grænser for bytes tilføjer en anden forskel. I UTF-8 fylder é to bytes, og de fleste emojis fylder fire. Et felt med en bytegrænse kan rumme færre bogstaver med accenter eller emojis, end antallet af tegn antyder. Ordtælleren viser ikke bytes, så beregn dem separat.

Linjeskift og skjulte tegn

Et linjeskift er ét tegn i et tekstfelt. Mange systemer gemmer et Windows-linjeskift som to tegn, vognretur og linjefeed, og formularer sender linjeskift i den form. En optælling på en server kan derfor blive højere, end feltet antyder, med ét for hvert linjeskift. Tæl teksten, som den bliver sendt, ikke kun som du skrev den.

Nul-bredde mellemrum opfører sig anderledes. Optællingen uden mellemrum regner dem ikke som mellemrum, så de bliver i tallet og gør det større. Fjern skjulte tegn først. Det værktøj beholder tabulatorer og linjeskift og omdanner hårde mellemrum til almindelige mellemrum, som optællingen uden mellemrum så fjerner. Guiden om skjulte tegn forklarer, hvor disse tegn kommer fra.

Én tekst, fem tal

Tag ordet „Café“, et mellemrum og tommelfingeremojien, U+1F44D, med é gemt som ét kodepunkt. Forskellige mål giver forskellige summer:

Hver sum er korrekt for sit eget mål. Formularen bestemmer, hvilket mål der tæller, og det er grunden til, at reglen betyder mere end ethvert enkelt tal.

Fremgangsmåde

1. Læs reglen: tegn, bytes eller ord, og om mellemrum tæller med.
2. Rens teksten med Fjern skjulte tegn, så usynlige tegn ikke gør optællingen større.
3. Indsæt teksten i ordtælleren, og læs tegn og tegn uden mellemrum. Grænserækkerne viser almindelige grænser, men det tal, du skal bruge, er det, formularen tæller.
4. Hvis formularen tæller bytes, så beregn dem separat, som beskrevet ovenfor.
5. Hvis formularen viser en egen live-tæller, så stol på dens tal frem for dit eget, og brug dette værktøj til at finde ud af, hvorfor de to afviger.
6. Hvis reglen stadig er uklar, så lad der være en margin. Grænser for antal ord dækker det samme spørgsmål for ord og platformsregler.

Specialtilfælde

• Platformens regel vinder. Har en platform sin egen tæller, så match dens tal frem for en generisk tæller.
• Mellemrum til sidst. En formular kan klippe mellemrum i begyndelsen og slutningen af et felt, eller den gør ikke. Ét efterfølgende mellemrum kan ændre optællingen med ét.
• Kopieret tekst. Tekst kopieret fra en webside kan indeholde hårde mellemrum og usynlige tegn. Rens den med Fjern skjulte tegn, før du tæller.