Caracteres com ou sem espaços: qual contagem um formulário usa

Um formulário, portal de currículos, SMS ou post em rede social conta caracteres de uma de duas formas: com espaços ou sem eles. Leia primeiro o rótulo do campo ou o texto de ajuda, porque ele costuma dizer qual. Se não disser nenhuma das duas coisas, use a contagem mais rigorosa, que geralmente é a sem espaços. Emojis e algumas letras acentuadas também podem contar como mais de um caractere em sistemas que medem o texto em unidades de código ou bytes, então um texto pode passar em um contador e falhar em outro. Conte com uma ferramenta que siga a mesma regra do formulário.

Com espaços ou sem eles

• Com espaços conta cada caractere que você digita, incluindo cada espaço, como um caractere.
• Sem espaços remove todos os espaços em branco antes de contar, de modo que as palavras ficam juntas. O número sem espaços do contador de palavras remove todo caractere de espaço em branco, incluindo quebras de linha, tabulações e espaços não separáveis, e depois conta o que sobrou.

"Olá mundo" tem 10 caracteres com o espaço e 9 sem ele. Um campo que pede caracteres sem espaços quer o segundo número.

Por que um emoji pode contar como dois

Um texto tem dois tipos de comprimento. O primeiro é o que as pessoas veem: um grafema, que é um único caractere visível, mesmo quando vários pontos de código o formam. O segundo é o que o computador armazena. O tamanho de strings do JavaScript, e muitos sistemas mais antigos, contam unidades de código UTF-16. A maioria das letras usa uma unidade, mas caracteres fora do Plano Multilíngue Básico, incluindo muitos emojis, usam duas. O emoji de joinha, U+1F44D, parece um caractere só e equivale a duas unidades UTF-16, então um contador que usa unidades de código informa 2.

O contador de palavras daqui conta caracteres visíveis, então o emoji de joinha vale 1. Um emoji de família também vale 1, mesmo sendo formado por vários pontos de código unidos por conectores de largura zero. Um formulário que conta unidades de código vai informar um número maior, e a diferença cresce com cada emoji no texto.

Letras acentuadas

A letra é pode ser armazenada de duas formas. Como um único ponto de código, U+00E9, ela é uma unidade em qualquer lugar. Como a letra e seguida do acento agudo combinante, U+0301, são dois pontos de código e duas unidades. As duas formas parecem idênticas na tela. Um contador que conta pontos de código ou unidades dá 2 para a segunda forma, enquanto o contador de palavras dá 1 para as duas.

Limites de bytes criam outra diferença. Em UTF-8, o é ocupa dois bytes e a maioria dos emojis ocupa quatro. Um campo com limite de bytes pode caber menos letras acentuadas ou emojis do que a contagem de caracteres sugere. O contador de palavras não mostra bytes, então estime-os separadamente.

Quebras de linha e caracteres ocultos

Uma quebra de linha é um caractere em uma caixa de texto. Muitos sistemas armazenam uma quebra de linha do Windows como dois caracteres, retorno de carro e avanço de linha, e os envios de formulários da web transmitem as quebras de linha nesse formato. Uma contagem feita no servidor pode, portanto, dar mais do que a caixa sugere, um a mais para cada quebra de linha. Conte o texto como ele será enviado, não apenas como você o digitou.

Espaços de largura zero se comportam de outra forma. A contagem sem espaços não os trata como espaços em branco, então eles permanecem no número e o inflam. Remova os caracteres ocultos primeiro. Essa ferramenta mantém tabulações e quebras de linha e transforma os espaços não separáveis em espaços normais, que a contagem sem espaços então remove. O guia de caracteres ocultos explica de onde vêm esses caracteres.

Um texto, cinco contagens

Pegue a palavra "Café", um espaço e um emoji de joinha, U+1F44D, com o é armazenado como um único ponto de código. Medidas diferentes dão totais diferentes:

Cada total está correto para a própria medida. O formulário decide qual medida conta, e por isso a regra importa mais do que qualquer número isolado.

Passo a passo

1. Leia a regra: caracteres, bytes ou palavras, e se os espaços contam.
2. Limpe o texto com remova os caracteres ocultos, para que caracteres invisíveis não inflem a contagem.
3. Cole o texto no contador de palavras e leia os caracteres e os caracteres sem espaços. As linhas de limite mostram limites comuns, mas o número a usar é o que o formulário conta.
4. Se o formulário contar bytes, estime-os separadamente, como explicado acima.
5. Se o formulário mostrar um contador próprio em tempo real, confie nesse número mais do que no seu, e use esta ferramenta para descobrir por que os dois diferem.
6. Se a regra ainda não estiver clara, deixe uma margem. Limites de contagem de palavras trata da mesma questão para palavras e regras de plataformas.

Casos especiais

• Vale a regra da plataforma. Quando uma plataforma tem contador próprio, use o número dela em vez de um genérico.
• Espaços no final. Um formulário pode remover ou não os espaços no fim de um campo. Um único espaço no fim pode mudar a contagem em um.
• Texto copiado. Texto copiado de uma página da web pode conter espaços não separáveis e caracteres invisíveis. Limpe-o com remova os caracteres ocultos antes de contar.