Caratteri con o senza spazi: quale conteggio usa un modulo

Un modulo, un portale per il CV, un SMS o un post sui social conta i caratteri in uno di due modi: con gli spazi oppure senza. Leggi prima l'etichetta del campo o il testo di aiuto, perché spesso indicano quale dei due. Se non dicono nulla, usa il conteggio più restrittivo, che di solito è quello senza spazi. Anche le emoji e alcune lettere accentate possono contare come più di un carattere nei sistemi che misurano il testo in unità di codice o in byte, quindi un testo può superare il controllo in un contatore e fallire in un altro. Conta con uno strumento che segue la stessa regola del modulo.

Con gli spazi o senza

• Con gli spazi conta come un carattere ogni carattere che digiti, compreso ogni spazio.
• Senza spazi elimina tutti gli spazi bianchi prima di contare, quindi le parole si attaccano l'una all'altra. Il conteggio senza spazi del contatore di parole elimina ogni carattere di spaziatura, inclusi i ritorni a capo, le tabulazioni e gli spazi unificatori, poi conta ciò che resta.

"Hello world" ha 11 caratteri con lo spazio e 10 senza. Un campo che chiede caratteri senza spazi vuole il secondo numero.

Perché una sola emoji può contare come due

Il testo ha due tipi di lunghezza. La prima è quella che vede la persona: un cluster grafemico, cioè un unico carattere visibile anche quando è composto da più code point. La seconda è quella che il computer memorizza. La lunghezza delle stringhe in JavaScript, e in molti sistemi più vecchi, conta le unità di codice UTF-16. La maggior parte delle lettere usa una sola unità, ma i caratteri fuori dal piano multilingue di base, tra cui molte emoji, ne usano due. L'emoji del pollice alzato, U+1F44D, sembra un solo carattere ed è composta da due unità UTF-16, quindi un contatore che usa le unità di codice restituisce 2.

Il contatore di parole qui conta i caratteri visibili, quindi l'emoji del pollice alzato vale 1. Anche un'emoji di famiglia vale 1, pur essendo composta da più code point uniti da zero-width joiner. Un modulo che conta le unità di codice darà un numero più alto, e la differenza cresce con ogni emoji nel testo.

Lettere accentate

La lettera é può essere memorizzata in due modi. Come un unico code point, U+00E9, vale una unità ovunque. Come la lettera e seguita dall'accento acuto combinante, U+0301, sono due code point e due unità. Sullo schermo sono identiche. Un contatore che conta code point o unità restituisce 2 per la seconda forma, mentre il contatore di parole restituisce 1 per entrambe.

I limiti in byte introducono un'altra differenza. In UTF-8, é occupa due byte e la maggior parte delle emoji ne occupa quattro. Un campo con limite in byte può contenere meno lettere accentate o emoji di quanto suggerisca il conteggio dei caratteri. Il contatore di parole non mostra i byte, quindi stimali separatamente.

A capo e caratteri nascosti

Un a capo è un carattere in una casella di testo. Molti sistemi memorizzano un a capo di Windows come due caratteri, ritorno carrello e avanzamento riga, e l'invio di moduli web trasmette i a capo in quella forma. Un conteggio eseguito sul server può quindi risultare più alto di quanto suggerisca la casella, di uno per ogni a capo. Conta il testo come verrà inviato, non solo come l'hai digitato.

Gli spazi a larghezza zero si comportano in modo diverso. Il conteggio senza spazi non li considera spazi bianchi, quindi restano nel numero e lo gonfiano. Rimuovi caratteri nascosti prima di tutto. Quello strumento conserva le tabulazioni e i a capo e trasforma gli spazi unificatori in spazi normali, che il conteggio senza spazi poi elimina. La guida ai caratteri nascosti spiega da dove provengono questi caratteri.

Un testo, cinque conteggi

Prendi la parola "Café", uno spazio e l'emoji del pollice alzato, U+1F44D, con la é memorizzata come un unico code point. Misure diverse danno totali diversi:

Ogni totale è corretto per la propria misura. Il modulo decide quale misura conta, ed è per questo che la regola conta più di qualsiasi singolo numero.

Passaggi

1. Leggi la regola: caratteri, byte o parole, e se gli spazi contano.
2. Pulisci il testo con rimuovi caratteri nascosti, così i caratteri invisibili non gonfiano il conteggio.
3. Incolla il testo nel contatore di parole e leggi i caratteri e i caratteri senza spazi. Le righe dei limiti mostrano i limiti più comuni, ma il numero da usare è quello che conta il modulo.
4. Se il modulo conta i byte, stimali a parte, come spiegato sopra.
5. Se il modulo mostra un contatore dal vivo, fidati di quel numero più del tuo, e usa questo strumento per capire perché i due differiscono.
6. Se la regola non è ancora chiara, lascia un margine. Limiti di conteggio delle parole tratta la stessa questione per le parole e le regole delle piattaforme.

Casi particolari

• Vale la regola della piattaforma. Dove una piattaforma ha un proprio contatore, usa il suo numero invece di uno generico.
• Spazi finali. Un modulo può eliminare o meno gli spazi alla fine di un campo. Uno spazio finale può cambiare il conteggio di uno.
• Testo copiato. Il testo copiato da una pagina web può contenere spazi unificatori e caratteri invisibili. Puliscilo con rimuovi caratteri nascosti prima di contarlo.