Numărul de caractere cu sau fără spații: ce numără un formular

Un formular, un portal de CV, un SMS sau o postare pe rețelele sociale numără caracterele în unul din două feluri: cu spații sau fără ele. Citește mai întâi eticheta câmpului sau textul de ajutor, pentru că de multe ori acolo scrie care este regula. Dacă nu scrie nimic, folosește numărarea mai strictă, care de obicei este cea fără spații. Emoji-urile și unele litere cu diacritice pot număra, de asemenea, mai mult de un caracter în sistemele care măsoară textul în unități de cod sau în octeți, așa că un text poate trece într-un numărător și pica în altul. Numără cu un instrument care respectă aceeași regulă ca formularul.

Cu spații sau fără spații

• Cu spații numără fiecare caracter pe care îl tastezi, inclusiv fiecare spațiu, ca un caracter.
• Fără spații elimină toate spațiile albe înainte de numărare, astfel încât cuvintele se lipesc între ele. Cifra fără spații din Numărătorul de cuvinte elimină orice caracter de spațiu alb, inclusiv liniile noi, tabulatorii și spațiile fixe, apoi numără ce rămâne.

„Salut lume” are 13 caractere cu spațiul și 11 fără el. Un câmp care cere caractere fără spații vrea al doilea număr.

De ce un emoji poate număra ca două

Textul are două feluri de lungime. Primul este cel pe care îl văd oamenii: un grafem, adică un singur caracter vizibil, chiar dacă mai multe puncte de cod îl formează. Al doilea este ce stochează calculatorul. Lungimea unui șir în JavaScript, ca și în multe sisteme mai vechi, numără unități de cod UTF-16. Majoritatea literelor folosesc o unitate, dar caracterele din afara Planului Multilingv de Bază, inclusiv multe emoji, folosesc două. Emoji-ul cu degetul mare ridicat, U+1F44D, arată ca un singur caracter și are două unități UTF-16, așa că un numărător bazat pe unități de cod afișează 2.

Numărătorul de cuvinte de aici numără caracterele vizibile, deci emoji-ul cu degetul mare ridicat înseamnă 1. Un emoji cu familie tot înseamnă 1, deși este format din mai multe puncte de cod unite prin joianți de lățime zero. Un formular care numără unități de cod va afișa mai mult, iar diferența crește cu fiecare emoji din text.

Litere cu diacritice

Litera é poate fi stocată în două moduri. Ca un singur punct de cod, U+00E9, are o unitate peste tot. Ca litera e urmată de accentul combinat, U+0301, are două puncte de cod și două unități. Pe ecran arată identic. Un numărător care numără puncte de cod sau unități dă 2 pentru a doua formă, în timp ce Numărătorul de cuvinte dă 1 pentru ambele.

Limitele în octeți aduc o diferență suplimentară. În UTF-8, é ocupă doi octeți, iar majoritatea emoji-urilor patru. Un câmp cu limită în octeți poate primi mai puține litere cu diacritice sau emoji-uri decât sugerează numărul de caractere. Numărătorul de cuvinte nu afișează octeții, așa că estimează-i separat.

Liniile noi și caracterele ascunse

O linie nouă este un caracter într-o casetă de text. Multe sisteme stochează o linie nouă de Windows ca două caractere, retur de car și salt de linie, iar trimiterile din formularele web transmit liniile noi în acest fel. Un număr calculat pe server poate fi, prin urmare, mai mare decât sugerează caseta, cu un caracter în plus pentru fiecare linie nouă. Numără textul așa cum va fi trimis, nu doar așa cum l-ai tastat.

Spațiile de lățime zero se comportă altfel. Numărarea fără spații nu le tratează ca spații albe, deci rămân în cifră și o umflă. Mai întâi elimină caracterele ascunse. Acest instrument păstrează tabulatorii și liniile noi și transformă spațiile fixe în spații obișnuite, pe care numărarea fără spații le elimină apoi. Ghidul caractere ascunse în text explică de unde provin aceste caractere.

Un text, cinci numărători

Ia cuvântul „Café”, un spațiu și emoji-ul cu degetul mare ridicat, U+1F44D, cu é stocat ca un singur punct de cod. Măsurile diferite dau totaluri diferite:

Fiecare total este corect pentru propria măsură. Formularul decide ce măsură contează, de aceea regula contează mai mult decât orice cifră luată singură.

Pași

1. Citește regula: caractere, octeți sau cuvinte și dacă spațiile se numără.
2. Curăță textul cu elimină caracterele ascunse, ca să nu umfle caracterele invizibile numărul.
3. Lipește textul în numărătorul de cuvinte și citește numărul de caractere și de caractere fără spații. Rândurile cu limite arată limitele obișnuite, dar cifra de folosit este cea pe care o numără formularul.
4. Dacă formularul numără octeți, estimează-i separat, așa cum am arătat mai sus.
5. Dacă formularul afișează propriul contor în timp real, ai încredere în cifra lui, nu în a ta, și folosește acest instrument ca să afli de ce diferă cele două.
6. Dacă regula rămâne neclară, lasă o marjă. Limitele de numărare a cuvintelor tratează aceeași întrebare pentru cuvinte și regulile platformelor.

Cazuri speciale

• Regula platformei are prioritate. Dacă o platformă are propriul contor, potrivește-te cifrei lui, nu uneia generice.
• Spațiile de la sfârșit. Un formular poate să taie spațiile de la capetele câmpului sau poate să nu le taie. Un singur spațiu de la sfârșit poate schimba numărul cu unu.
• Text copiat. Textul copiat de pe o pagină web poate conține spații fixe și caractere invizibile. Curăță-l cu elimină caracterele ascunse înainte de numărare.