Contador de caracteres

La mayoría de la gente espera que un conteo de caracteres signifique "cuántas letras y símbolos hay en este texto", que suena inequívoco hasta que entran en escena los emojis y los caracteres acentuados. Un solo emoji se muestra como un glifo pero frecuentemente se almacena internamente como dos unidades de código UTF-16 emparejadas, y se codifica como hasta cuatro bytes en UTF-8 — así que una herramienta que cuenta unidades de código crudas informa un emoji como dos caracteres, mientras una herramienta que cuenta bytes informa algo distinto de nuevo, y un humano que mira el texto ve uno. Esta herramienta cuenta lo que una persona realmente percibe — un emoji visible es un carácter — porque eso es lo que coincide con los límites que la gente normalmente intenta cumplir.

Las letras acentuadas plantean un problema relacionado pero distinto: un carácter como é puede almacenarse como un solo punto de código precompuesto o como una "e" simple seguida de una marca de acento combinante separada, dos secuencias de bytes distintas que se renderizan de forma idéntica en pantalla. Contar por *lo que se muestra*, como hace esta herramienta, trata ambas representaciones como un carácter cada una, coincidiendo con lo que una persona que mira el texto renderizado contaría a simple vista.

Un mensaje de texto enviado usando el alfabeto GSM de 7 bits más antiguo — letras latinas planas, dígitos y puntuación básica — cabe en 160 caracteres en un solo segmento de mensaje. En el momento en que el mensaje contiene un carácter fuera de ese alfabeto — cualquier emoji, la mayoría de letras acentuadas fuera de un pequeño conjunto compatible con GSM, o caracteres de una escritura no latina — el operador cambia todo el mensaje a codificación UTF-16, lo que reduce el límite por segmento a 70 caracteres, no gradualmente sino como un precipicio abrupto en el instante en que aparece en cualquier parte del mensaje un carácter que lo cause. Un mensaje de 155 caracteres que cabía cómodamente bajo el límite de texto plano puede dividirse silenciosamente en tres segmentos facturados en el momento en que se añade un solo emoji.

Los motores de búsqueda truncan fragmentos y etiquetas de título según el ancho de píxeles renderizado, no un conteo de caracteres fijo, porque distintas letras ocupan distintas cantidades de espacio horizontal — un título lleno de letras estrechas como "i" y "l" cabe con más caracteres en el mismo punto de truncamiento que uno lleno de letras anchas como "m" y "w". Los conteos de caracteres comúnmente citados — aproximadamente 155 para una descripción, aproximadamente 60 para un título — son aproximaciones prácticas de dónde tiende a caer ese truncamiento basado en píxeles para texto promedio, no una regla que el motor de búsqueda aplique carácter por carácter. Colocar las palabras importantes al principio dentro de ese presupuesto aproximado es lo que mantiene el significado intacto incluso si el punto de corte exacto varía ligeramente según las letras específicas usadas.