文字数カウンター

ほとんどの人は文字数カウントを「このテキストに何文字と記号があるか」を意味すると期待し、これは絵文字とアクセント付き文字が登場するまでは曖昧に聞こえません。1つの絵文字は1つのグリフとして表示されますが、内部的にはしばしばペアになった2つのUTF-16コード単位として保存され、UTF-8では最大4バイトとして符号化されます — そのため生のコード単位をカウントするツールは絵文字を2文字として報告し、バイトをカウントするツールはまた別のものを報告し、テキストを見る人間は1つを見ます。このツールは人が実際に知覚するもの — 目に見える絵文字は1文字 — をカウントします。それが人々が通常満たそうとする上限と一致するからです。

アクセント付き文字は関連するが別の問題を提起します: éのような文字は、単一の合成済みコードポイントとして保存されることも、単純な「e」に続く別の結合アクセント記号として保存されることもあり、これらは画面上で同一にレンダリングされる2つの異なるバイト列です。このツールが行うように*表示されるもの*でカウントすると、両方の表現をそれぞれ1文字として扱い、レンダリングされたテキストを見る人が一目でカウントするものと一致します。

より古い7ビットのGSMアルファベット — 平文のラテン文字、数字、基本的な句読点 — を使って送信されたテキストメッセージは、1つのメッセージセグメントに160文字収まります。メッセージがそのアルファベットの外の文字を1つでも含んだ瞬間 — どんな絵文字でも、GSM互換の小さな集合の外のほとんどのアクセント付き文字でも、あるいは非ラテン文字体系の文字でも — キャリアはメッセージ全体をUTF-16符号化に切り替え、セグメントあたりの上限を70文字に下げます。徐々にではなく、それを引き起こす文字がメッセージのどこかに現れた瞬間に急激な崖として下がります。プレーンテキストの上限に快適に収まっていた155文字のメッセージは、絵文字を1つ追加した瞬間に黙って3つの課金対象セグメントに分割されることがあります。

検索エンジンは固定の文字数ではなく、レンダリングされたピクセル幅に基づいてスニペットとtitleタグを切り詰めます。異なる文字が異なる量の水平方向のスペースを占めるためです — 「i」や「l」のような細い文字が多いタイトルは、「m」や「w」のような幅広の文字が多いタイトルよりも同じ切り詰めポイントでより多くの文字を収めます。よく引用される文字数 — ディスクリプションで約155、タイトルで約60 — は、平均的なテキストに対してそのピクセルベースの切り詰めがどこに落ちる傾向があるかの実用的な近似であり、検索エンジンが文字ごとに適用するルールではありません。その大まかな予算内で重要な単語を先頭に置くことは、使われる具体的な文字によって正確な切り詰めポイントがわずかに変動しても、意味を保つ方法です。