Caracteres con o sin espacios: qué cuenta cada formulario

Un formulario, un portal de empleo, un SMS o una publicación en redes sociales cuenta los caracteres de una de dos formas: con espacios o sin ellos. Lee primero la etiqueta o el texto de ayuda del campo, porque a menudo indica cuál. Si no dice nada, usa el recuento más estricto, que suele ser el que no incluye espacios. Los emojis y algunas letras acentuadas también pueden contar como más de un carácter en sistemas que miden el texto en unidades de código o en bytes, así que un texto puede pasar en un contador y fallar en otro. Cuenta con una herramienta que siga la misma regla que el formulario.

Con espacios o sin espacios

• Con espacios cuenta cada carácter que escribes, incluido cada espacio, como un carácter.
• Sin espacios elimina todos los espacios en blanco antes de contar, de modo que las palabras quedan unidas. La cifra sin espacios del contador de palabras elimina cada carácter de espacio en blanco, incluidos los saltos de línea, los tabuladores y los espacios de no ruptura, y luego cuenta lo que queda.

"Hola mundo" tiene 10 caracteres con su espacio y 9 sin él. Un campo que pide caracteres sin espacios necesita el segundo número.

Por qué un emoji puede contar como dos

El texto tiene dos tipos de longitud. La primera es la que ve la gente: un grupo de grafemas, que es un solo carácter visible aunque esté formado por varios puntos de código. La segunda es lo que almacena el ordenador. La longitud de cadena de JavaScript, y muchos sistemas antiguos, cuentan unidades de código UTF-16. La mayoría de las letras usan una unidad, pero los caracteres fuera del plano multilingüe básico, entre ellos muchos emojis, usan dos. El emoji del pulgar hacia arriba, U+1F44D, parece un solo carácter y ocupa dos unidades UTF-16, así que un contador que usa unidades de código devuelve 2.

El contador de palabras de aquí cuenta caracteres visibles, así que el emoji del pulgar hacia arriba vale 1. Un emoji de familia también vale 1, aunque esté formado por varios puntos de código unidos con uniones de ancho cero. Un formulario que cuenta unidades de código dará más, y la diferencia crece con cada emoji del texto.

Letras acentuadas

La letra é puede almacenarse de dos formas. Como un único punto de código, U+00E9, ocupa una unidad en todas partes. Como la letra e seguida del acento combinado agudo, U+0301, son dos puntos de código y dos unidades. Ambas se ven idénticas en pantalla. Un contador que cuenta puntos de código o unidades da 2 para la segunda forma, mientras que el contador de palabras da 1 para las dos.

Los límites en bytes añaden otra diferencia. En UTF-8, la é ocupa dos bytes y la mayoría de los emojis ocupan cuatro. Un campo con límite de bytes puede admitir menos letras acentuadas o emojis de lo que sugiere su recuento de caracteres. El contador de palabras no muestra bytes, así que estímalos por separado.

Saltos de línea y caracteres ocultos

Un salto de línea es un carácter en un cuadro de texto. Muchos sistemas guardan un salto de línea de Windows como dos caracteres, retorno de carro y avance de línea, y los envíos de formularios web transmiten los saltos de línea de esa forma. Un recuento hecho en el servidor puede dar, por tanto, más de lo que sugiere el cuadro, uno más por cada salto de línea. Cuenta el texto tal como se enviará, no solo como lo escribiste.

Los espacios de ancho cero se comportan de otra manera. El recuento sin espacios no los trata como espacios en blanco, así que se quedan en la cifra y la inflan. Elimina los caracteres ocultos antes. Esa herramienta conserva los tabuladores y los saltos de línea, y convierte los espacios de no ruptura en espacios normales, que el recuento sin espacios después sí elimina. La guía de caracteres ocultos explica de dónde vienen estos caracteres.

Un texto, cinco recuentos

Toma la palabra "Café", un espacio y un emoji del pulgar hacia arriba, U+1F44D, con la é almacenada como un único punto de código. Distintas medidas dan distintos totales:

Cada total es correcto para su propia medida. El formulario decide qué medida cuenta, por eso la regla importa más que cualquier cifra concreta.

Pasos

1. Lee la regla: caracteres, bytes o palabras, y si cuentan los espacios.
2. Limpia el texto con eliminar caracteres ocultos, para que los caracteres invisibles no inflen el recuento.
3. Pega el texto en el contador de palabras y lee los caracteres y los caracteres sin espacios. Las filas de límites muestran los límites habituales, pero la cifra que hay que usar es la que cuenta el formulario.
4. Si el formulario cuenta bytes, estímalos por separado, como se explicó antes.
5. Si el formulario muestra su propio contador en vivo, fíate de esa cifra y no de la tuya, y usa esta herramienta para averiguar por qué difieren.
6. Si la regla sigue sin estar clara, deja un margen. Límites de recuento de palabras aborda la misma cuestión para palabras y reglas de cada plataforma.

Casos particulares

• Manda la regla de la plataforma. Cuando una plataforma tiene su propio contador, ajusta tu cifra a la suya en lugar de a una genérica.
• Espacios al final. Un formulario puede recortar los espacios de los extremos de un campo o no hacerlo. Un solo espacio final puede cambiar el recuento en uno.
• Texto copiado. El texto copiado de una página web puede contener espacios de no ruptura y caracteres invisibles. Límpialo con eliminar caracteres ocultos antes de contar.