Compteur de caractères et d'octets

Mode d'emploi

1. Collez ou saisissez le texte dans Texte. Les comptes se mettent à jour pendant la saisie.
2. Lisez Caractères (graphèmes) pour la longueur que voit un lecteur, et Points de code pour le compte Unicode.
3. Lisez Octets UTF-8 pour la taille d'une page web ou d'un fichier dans le codage habituel.
4. Dans Limites, regardez les lignes SMS et X : Restant est la place disponible dans la dernière partie ou publication.

Caractères, points de code et graphèmes

Un point de code est un nombre de la table Unicode. Un caractère tel qu'un lecteur le voit est un groupe de graphèmes, et un graphème peut contenir plusieurs points de code : un e suivi d'un accent combinant compte deux points de code et un graphème, et un émoji de famille assemblé par des joigneurs de largeur nulle compte cinq points de code et un graphème.

Le compte des graphèmes utilise le segmenteur du navigateur, qui suit les règles Unicode des groupes de graphèmes (UAX #29). Deux d'entre elles : aucune coupure n'est faite avant un caractère d'extension ou un joigneur de largeur nulle, et une suite d'émojis ou une paire d'indicateurs régionaux reste ensemble.

Octets en UTF-8, UTF-16 et UTF-32

• UTF-8 utilise 1 octet jusqu'à U+007F, 2 octets jusqu'à U+07FF, 3 octets jusqu'à U+FFFF et 4 octets au-delà.
• UTF-16 utilise une unité de 16 bits pour la plupart des points de code. Un point de code au-delà de U+FFFF prend deux unités, une paire de substitution (surrogate pair), soit 4 octets.
• UTF-32 utilise exactement 4 octets pour chaque point de code.

Limites des SMS

Un message écrit uniquement avec les caractères GSM 7 bits tient en 160 caractères dans un SMS. Quand il est plus long, chaque partie contient 153 caractères, car une partie de la charge utile de 140 octets sert à l'en-tête. Les caractères de la table d'extension (saut de page, ^ { } \ [ ~ ] | et le signe euro) occupent chacun deux positions.

Un message qui contient un caractère hors GSM-7 est envoyé en UCS-2, qui tient 70 caractères dans un SMS et 67 dans chaque partie d'un message plus long. Cet outil compte ş, ğ, ı, İ, ç et Ç comme hors GSM-7 : c'est le compte le plus strict, aussi pour le français, où le ç est courant. Les é, è, à et ù, eux, tiennent dans GSM-7.

• La table GSM 7 bits et la table d'extension viennent de l'article « GSM 03.38 » de Wikipédia, en anglais ; la norme elle-même est la 3GPP TS 23.038, Alphabets and language-specific information.
• Les chiffres 153 et 67 figurent dans l'article « SMS » de Wikipédia, en anglais, qui cite la norme 3GPP pour les chiffres 160 et 70.

Longueur d'une publication X

X compte une publication sur 280 caractères pondérés. La plupart des caractères pèsent 1 ; les émojis et les caractères CJK pèsent 2. Un lien compte 23, quelle que soit sa longueur. Les poids sont ceux de la configuration twitter-text de X (version 3) ; la page d'aide de X donne les mêmes règles en mots.

L'outil repère les liens qui commencent par http:// ou https://. Un lien écrit sans ce préfixe est compté comme un texte ordinaire, si bien qu'une publication qui en contient un peut être comptée plus longue que X ne le fait.

Questions fréquentes