Zeichenzähler

Die meisten Menschen erwarten, dass eine Zeichenzählung bedeutet „wie viele Buchstaben und Symbole sind in diesem Text", was eindeutig klingt, bis Emojis und akzentuierte Zeichen ins Spiel kommen. Ein einzelnes Emoji wird als ein Glyph angezeigt, aber intern oft als zwei gepaarte UTF-16-Code-Einheiten gespeichert und als bis zu vier Bytes in UTF-8 kodiert — daher meldet ein Tool, das rohe Code-Einheiten zählt, ein Emoji als zwei Zeichen, während ein Tool, das Bytes zählt, wieder etwas anderes meldet, und ein Mensch, der den Text betrachtet, eines sieht. Dieses Tool zählt das, was eine Person tatsächlich wahrnimmt — ein sichtbares Emoji ist ein Zeichen — weil das dem entspricht, was Menschen normalerweise zu erfüllen versuchen.

Akzentuierte Buchstaben werfen ein verwandtes, aber anderes Problem auf: Ein Zeichen wie é kann als einzelner vorkomponierter Codepoint oder als einfaches "e" gefolgt von einer separaten kombinierenden Akzentmarkierung gespeichert werden, zwei unterschiedliche Byte-Sequenzen, die identisch auf dem Bildschirm gerendert werden. Nach *dem, was angezeigt wird* zu zählen, wie es dieses Tool tut, behandelt beide Darstellungen als je ein Zeichen, was dem entspricht, was eine Person, die den gerenderten Text betrachtet, mit bloßem Auge zählen würde.

Eine mit dem älteren 7-Bit-GSM-Alphabet gesendete Textnachricht — reine lateinische Buchstaben, Ziffern und grundlegende Zeichensetzung — passt in ein einzelnes Nachrichtensegment mit 160 Zeichen. Sobald die Nachricht ein Zeichen außerhalb dieses Alphabets enthält — jedes Emoji, die meisten akzentuierten Buchstaben außerhalb eines kleinen GSM-kompatiblen Sets, oder Zeichen einer nicht-lateinischen Schrift — wechselt der Anbieter die gesamte Nachricht zur UTF-16-Kodierung, was das Limit pro Segment auf 70 Zeichen reduziert, nicht schrittweise, sondern als abrupter Absturz in dem Moment, in dem ein solches Zeichen irgendwo in der Nachricht auftaucht. Eine 155-Zeichen-Nachricht, die bequem unter dem reinen Textlimit lag, kann sich still in drei berechnete Segmente aufteilen, sobald ein einzelnes Emoji hinzugefügt wird.

Suchmaschinen kürzen Ausschnitte und Titel-Tags basierend auf der gerenderten Pixelbreite, nicht einer festen Zeichenzahl, weil unterschiedliche Buchstaben unterschiedlich viel horizontalen Platz einnehmen — ein Titel voller schmaler Buchstaben wie "i" und "l" passt mit mehr Zeichen an demselben Kürzungspunkt als einer voller breiter Buchstaben wie "m" und "w". Die häufig genannten Zeichenzahlen — etwa 155 für eine Beschreibung, etwa 60 für einen Titel — sind praktische Näherungswerte dafür, wo diese pixelbasierte Kürzung bei durchschnittlichem Text tendenziell liegt, keine Regel, die die Suchmaschine zeichenweise anwendet. Wichtige Wörter innerhalb dieses ungefähren Budgets am Anfang zu platzieren ist es, was die Bedeutung intakt hält, selbst wenn der genaue Schnittpunkt je nach den verwendeten Buchstaben leicht variiert.