Счётчик символов и байтов

Как пользоваться

1. Вставьте или введите текст в поле Текст. Счётчики обновляются при каждом вводе.
2. Смотрите Символы (графемы) для длины, которую видит читатель, и Кодовые точки для счёта Юникода.
3. Смотрите Байты UTF-8 для размера веб-страницы или файла в привычной кодировке.
4. В разделе Лимиты проверьте строки SMS и X: Осталось — это место в последней части или посте.

Символы, кодовые точки и графемы

Кодовая точка — это одно число в таблице Юникода. Символ так, как его видит читатель, — это графемный кластер, и в одной графеме может быть несколько кодовых точек: «е» с комбинируемым акцентом — это две кодовые точки и одна графема, а семья эмодзи, соединённая соединителями нулевой ширины, — пять кодовых точек и одна графема.

Подсчёт графем использует сегментатор браузера, который следует правилам Юникода для графемных кластеров (UAX #29). Два из них: разрыв не делается перед расширяющим знаком или соединителем нулевой ширины, а последовательность эмодзи или пара региональных индикаторов остаётся вместе.

Байты в UTF-8, UTF-16 и UTF-32

• UTF-8 использует 1 байт до U+007F, 2 байта до U+07FF, 3 байта до U+FFFF и 4 байта выше.
• UTF-16 использует одну 16-битную единицу для большинства кодовых точек. Кодовая точка выше U+FFFF занимает две единицы, суррогатную пару, то есть 4 байта.
• UTF-32 использует ровно 4 байта на каждую кодовую точку.

Лимиты SMS

Сообщение только из знаков GSM-7 помещает 160 символов в одно SMS. Если оно длиннее, каждая часть держит 153 символа, потому что часть 140-байтной полезной нагрузки занимает заголовок. Знаки расширенной таблицы (перевод страницы, ^ { } \ [ ~ ] | и знак евро) занимают по две позиции.

Сообщение с любым знаком вне GSM-7 отправляется в UCS-2, которое держит 70 символов в одном SMS и 67 в каждой части длинного. Русские буквы тоже вне GSM-7, поэтому русское сообщение всегда идёт в UCS-2. Инструмент считает ş, ğ, ı, İ, ç и Ç знаками вне GSM-7, что строже для турецкого текста.

• Таблицы GSM-7 и расширенная таблица взяты из статьи Википедии GSM 03.38 (на английском); сам стандарт — 3GPP TS 23.038, Alphabets and language-specific information.
• Цифры 153 и 67 приведены в статье Википедии о SMS (на английском), которая ссылается на стандарт 3GPP для цифр 160 и 70.

Длина поста в X

X считает пост в 280 взвешенных символах. Большинство символов весит 1; эмодзи и символы CJK весят 2. Ссылка считается как 23 символа, какой бы длины она ни была. Диапазоны весов — из конфигурации twitter-text (версия 3); страница X о подсчёте даёт те же правила словами.

Инструмент находит ссылки, которые начинаются с http:// или https://. Ссылка без схемы считается обычным текстом, поэтому пост с такой ссылкой может считаться длиннее, чем его считает X.

Частые вопросы