Tegn med eller uten mellomrom: hvilken telling et skjema bruker

Et skjema, en CV-portal, en SMS eller et innlegg på sosiale medier teller tegn på en av to måter: med mellomrom eller uten. Les ledeteksten eller hjelpeteksten til feltet først, for den sier ofte hvilken. Hvis den ikke sier noe, bruk den strengeste tellingen, som vanligvis er den uten mellomrom. Emoji og noen bokstaver med accenter kan også telles som mer enn ett tegn i systemer som måler tekst i kodeenheter eller byte. En tekst kan derfor godkjennes i én teller og underkjennes i en annen. Tell med et verktøy som følger samme regel som skjemaet.

Med mellomrom eller uten

• Med mellomrom teller hvert tegn du skriver, inkludert hvert mellomrom, som ett tegn.
• Uten mellomrom fjerner all blanktegn før tellingen, slik at ordene henger sammen. Tallet uten mellomrom i ordtelleren fjerner hvert blanktegn, inkludert linjeskift, tabulatorer og hardt mellomrom, og teller det som er igjen.

«Hello world» har 11 tegn med mellomrommet og 10 uten. Et felt som ber om tegn uten mellomrom, vil ha det andre tallet.

Hvorfor én emoji kan telles som to

Tekst har to typer lengde. Den første er den du ser: en grafemklynge, som er ett synlig tegn selv om flere kodepunkter utgjør det. Den andre er det datamaskinen lagrer. Lengden på en streng i JavaScript, og i mange eldre systemer, telles i UTF-16-kodeenheter. De fleste bokstaver bruker én enhet, men tegn utenfor Basic Multilingual Plane, blant dem mange emoji, bruker to. Tommel-opp-emojien, U+1F44D, ser ut som ett tegn og er to UTF-16-enheter, så en teller som bruker kodeenheter, viser 2.

Ordtelleren her teller synlige tegn, så tommel-opp-emojien er 1. En familieemoji er også 1, selv om den består av flere kodepunkter som er sammenføyd med nullbreddesammenføyere. Et skjema som teller kodeenheter, vil vise et høyere tall, og forskjellen øker for hver emoji i teksten.

Bokstaver med accenter

Bokstaven é kan lagres på to måter. Som ett kodepunkt, U+00E9, er den én enhet overalt. Som bokstaven e etterfulgt av det kombinerende akuttegnet, U+0301, er det to kodepunkter og to enheter. Begge ser likt ut på skjermen. En teller som teller kodepunkter eller enheter, gir 2 for den andre formen, mens ordtelleren gir 1 for begge.

Grenser i byte gir en annen forskjell. I UTF-8 bruker é to byte, og de fleste emoji bruker fire. Et felt med byte-grense kan derfor romme færre bokstaver med accenter eller emoji enn tegntallet tilsier. Ordtelleren viser ikke byte, så estimer dem separat.

Linjeskift og skjulte tegn

Et linjeskift er ett tegn i et tekstfelt. Mange systemer lagrer et linjeskift i Windows som to tegn, vognretur og linjemating, og innsendte skjemaer sender linjeskift i den formen. En telling som kjøres på en server, kan derfor bli høyere enn feltet tilsier, med ett ekstra tegn for hvert linjeskift. Tell teksten slik den blir sendt inn, ikke bare slik du skrev den.

Nullbreddemellomrom oppfører seg annerledes. Tellingen uten mellomrom behandler dem ikke som blanktegn, så de blir med i tallet og gjør det større. Fjern skjulte tegn først. Verktøyet beholder tabulatorer og linjeskift, og gjør hardt mellomrom om til vanlige mellomrom, som tellingen uten mellomrom deretter fjerner. Veiledningen om skjulte tegn forklarer hvor disse tegnene kommer fra.

Én tekst, fem tall

Ta ordet «Café», et mellomrom og en tommel-opp-emoji, U+1F44D, med é lagret som ett kodepunkt. Ulike mål gir ulike summer:

Hver sum er riktig for sitt eget mål. Skjemaet avgjør hvilket mål som teller, og derfor er regelen viktigere enn ethvert enkelt tall.

Steg

1. Les regelen: tegn, byte eller ord, og om mellomrom skal telles.
2. Rens teksten med fjern skjulte tegn, slik at usynlige tegn ikke gjør tellingen større.
3. Lim teksten inn i ordtelleren og les tegn og tegn uten mellomrom. Grenseradene viser vanlige grenser, men tallet du skal bruke, er det skjemaet teller.
4. Hvis skjemaet teller byte, estimer dem separat, som over.
5. Hvis skjemaet viser en egen teller som oppdateres mens du skriver, stol på tallet der fremfor ditt, og bruk dette verktøyet for å finne ut hvorfor de to skiller seg.
6. Hvis regelen fortsatt er uklar, la det være en margin. Grenser for antall ord dekker det samme spørsmålet for ord og plattformregler.

Spesialtilfeller

• Plattformens regel gjelder. Der en plattform har en egen teller, må du samsvare med dens tall i stedet for en generisk teller.
• Mellomrom på slutten. Et skjema kan kutte mellomrom i begynnelsen og slutten av et felt, eller la være. Ett mellomrom på slutten kan endre tellingen med én.
• Kopiert tekst. Tekst kopiert fra en nettside kan inneholde hardt mellomrom og usynlige tegn. Rens den med fjern skjulte tegn før du teller.