Contador de caracteres y bytes

Cómo se usa

1. Pegue o escriba el texto en Texto. Los recuentos se actualizan mientras escribe.
2. Lea Caracteres (grafemas) para la longitud que ve un lector, y Puntos de código para el recuento Unicode.
3. Lea Bytes UTF-8 para el tamaño de una página web o de un archivo en la codificación habitual.
4. En Límites, revise las filas de SMS y de X: Libres es el espacio que queda en la última parte o publicación.

Caracteres, puntos de código y grafemas

Un punto de código es un número de la tabla Unicode. Un carácter tal como lo ve un lector es un grupo de grafemas, y un grafema puede tener varios puntos de código: una e con un acento combinado son dos puntos de código y un grafema, y un emoji de familia unido con unidores de ancho cero son cinco puntos de código y un grafema.

El recuento de grafemas usa el segmentador del navegador, que sigue las reglas Unicode para los grupos de grafemas (UAX #29). Dos de ellas: no se corta antes de un carácter que extiende ni de un unidor de ancho cero, y una secuencia de emoji o un par de indicadores regionales se mantiene junto.

Bytes en UTF-8, UTF-16 y UTF-32

• UTF-8 usa 1 byte hasta U+007F, 2 bytes hasta U+07FF, 3 bytes hasta U+FFFF y 4 bytes por encima.
• UTF-16 usa una unidad de 16 bits para la mayoría de los puntos de código. Un punto de código por encima de U+FFFF ocupa dos unidades, un par sustituto, que son 4 bytes.
• UTF-32 usa exactamente 4 bytes para cada punto de código.

Límites del SMS

Un mensaje escrito solo con los caracteres de 7 bits de GSM cabe en 160 caracteres en un SMS. Cuando es más largo, cada parte admite 153 caracteres, porque parte de la carga de 140 bytes se usa para la cabecera. Los caracteres de la tabla de extensión (avance de página, ^ { } \ [ ~ ] | y el signo del euro) ocupan dos posiciones cada uno.

Un mensaje con algún carácter fuera de GSM-7 se envía en UCS-2, que admite 70 caracteres en un SMS y 67 en cada parte de uno más largo. Esta herramienta cuenta ş, ğ, ı, İ, ç y Ç como fuera de GSM-7, que es el recuento más estricto para textos turcos.

• Las tablas GSM-7 y de extensión vienen del artículo de Wikipedia en inglés sobre GSM 03.38; la norma es 3GPP TS 23.038, Alphabets and language-specific information.
• Las cifras de 153 y 67 aparecen en el artículo de Wikipedia en inglés sobre SMS, que cita la norma 3GPP para las cifras de 160 y 70.

Longitud de una publicación de X

X cuenta una publicación sobre 280 caracteres ponderados. La mayoría de los caracteres pesan 1; los emojis y los caracteres CJK pesan 2. Un enlace cuenta 23, sea cual sea su longitud. Los intervalos de peso son los de la configuración twitter-text de X (versión 3); la página de recuento de X da las mismas reglas con palabras.

La herramienta encuentra los enlaces que empiezan por http:// o https://. Un enlace escrito sin el protocolo se cuenta como texto normal, así que una publicación con uno puede contar más de lo que cuenta X.

Preguntas frecuentes