Karakter Sayacı

Nasıl çalışır

Sayaç aynı metni dört şekilde ölçer, çünkü "bu metin ne kadar uzun" sorusunun birden fazla cevabı vardır.

Karakter. Okuyucunun tek karakter olarak gördüğü birim sayılır (grafem kümesi, Unicode UAX #29); bayt ya da kod birimi değil. Aksanlı bir harf, ten rengi eklenmiş bir emoji ve bir bayrak birer karakterdir. İlk rakam boşluk ve satır sonlarını içerir; karakter (boşluksuz) bunları saymaz.

UTF-16 kod birimi. JavaScript'in bir metin için bildirdiği uzunluktur. Çoğu harf bir birimdir, temel düzlemin dışındaki karakterler (çoğu emoji) iki birimdir, birleştirilmiş diziler daha fazladır.

UTF-8 bayt. Metin UTF-8 olarak saklandığında ya da gönderildiğinde boyutu; web sayfalarının ve dosyaların çoğunun kodlamasıdır. ASCII karakter bir bayt, ş, ğ, ü gibi harfler iki bayt, birçok simge üç bayt, emoji dört bayttır.

Karakter sınırı. Yazdığınız alanın sınırını girin; sayaç kaç karakter kaldığını ya da kaç karakter fazla olduğunu gösterir. Karşılaştırma karakter sayısına (boşluklu) göre yapılır.

SMS uzunluğu. Metin, GSM 03.38 varsayılan alfabesine (3GPP TS 23.038) karşı denetlenir. Tüm karakterler bu alfabedeyse mesaj GSM-7'dir: tek mesajda 160, bölündüğünde parça başına 153 karakter. Genişletme tablosundaki karakterler (^ { } \ [ ] ~ | € ve sayfa sonu) bu yerlerden ikisini alır. Alfabenin dışında tek bir karakter varsa bütün mesaj UCS-2 olur: tek mesajda 70, parça başına 67 karakter; UTF-16 birimiyle sayılır.

Örnekler

Bir metin, dört ölçüm

Türkçe cümlede UTF-8'de iki bayt tutan on harf var; bu yüzden bayt uzunluğu karakter sayısından 10 fazladır. Bayrak ekranda tek karakterdir ama iki bölge göstergesi simgesinden oluştuğu için dört UTF-16 birimidir.

SMS parçaları

Tek karakter sınırı değiştirir. 100 tane "a" yazan bir metin tek mesaja sığar. Buna tek bir "ş" ekleyin: aynı metin 101 UCS-2 birimi olur, tek UCS-2 mesajın 70 sınırına sığmaz ve iki mesaj olarak gider.

Euro işaretleri birikir. 80 euro işareti 160 GSM-7 yeri tutar (ikişer) ve tek mesaja sığar. 81 tane iki mesaj ister.

Dikkat edilecekler

• Karakter bayt değildir. "255 karakter" diyen bir form alanı ile 255 bayt saklayan bir veritabanı sütunu, Türkçe, Almanca ve emoji içeren metinlerde farklı davranır. Sınır bayt cinsindense UTF-8 rakamına bakın; sınır koddan geliyorsa bir programın göreceği rakam çoğunlukla UTF-16'dır.
• Aksi söylenmedikçe boşluklar sayılır. SMS ve form alanı sınırlarının çoğu boşluk ve satır sonlarını içerir. Boşluksuz sayım yalnızca kural boşlukları açıkça dışarıda bırakıyorsa işe yarar.
• Satır sonları farklıdır. Windows satır sonu (CRLF) ekranda tek karakter, iki UTF-16 birimidir. SMS'te ikisi birer yer tutar.
• SMS sonucu bir tahmindir. Sayaç yalnızca varsayılan alfabeyi ve genişletme tablosunu modeller. Standartta Türkçe ve başka ulusal kaydırma tabloları vardır, ama ek başlık verisi ister ve çoğu gönderici onları kullanmaz; bu yüzden Türkçe ş, ğ, ı ve İ UCS-2 karakteri sayılır. Varsayılan alfabede yalnızca büyük Ç bulunduğu için küçük ç de GSM-7 dışında kabul edilir. Operatörler ikisini de farklı işleyebilir.
• Kıvrık tırnak ve uzun tire UCS-2'ye geçirir. “ ” ‘ ’ ve – gibi karakterler düz hallerine benzer ama GSM-7 alfabesinde yoktur. Kelime işlemciden yapıştırılan metin çoğu zaman bu yüzden UCS-2'ye döner; SMS sonucunun altındaki liste hangileri olduğunu gösterir.
• Sınır. 500.000 karakteri aşan metin kısmen sayılmaz, hata mesajı gösterilir.
• Her şey tarayıcınızda çalışır. Metin sunucuya gönderilmez ve kaydedilmez.