Contador de caracteres

A maioria das pessoas espera que uma contagem de caracteres signifique "quantas letras e símbolos há neste texto", que soa inequívoco até que emojis e caracteres acentuados entrem em cena. Um único emoji é exibido como um glifo mas frequentemente é armazenado internamente como duas unidades de código UTF-16 emparelhadas, e codificado como até quatro bytes em UTF-8 — então uma ferramenta contando unidades de código brutas relata um emoji como dois caracteres, enquanto uma ferramenta contando bytes relata algo diferente ainda, e um humano olhando o texto vê um. Esta ferramenta conta o que uma pessoa realmente percebe — um emoji visível é um caractere — porque isso é o que corresponde aos limites que as pessoas geralmente estão tentando caber.

Letras acentuadas levantam uma questão relacionada mas distinta: um caractere como é pode ser armazenado como um único ponto de código pré-composto ou como um simples "e" seguido por uma marca de acento combinante separada, duas sequências de bytes diferentes que renderizam identicamente na tela. Contar pelo *que é exibido*, como esta ferramenta faz, trata ambas representações como um caractere cada, correspondendo ao que uma pessoa olhando o texto renderizado contaria a olho nu.

Uma mensagem de texto enviada usando o alfabeto GSM de 7 bits mais antigo — letras latinas simples, dígitos e pontuação básica — cabe 160 caracteres em um único segmento de mensagem. No momento em que a mensagem contém um caractere fora desse alfabeto — qualquer emoji, a maioria das letras acentuadas fora de um pequeno conjunto suportado por GSM, ou caracteres de uma escrita não latina — a operadora muda toda a mensagem para codificação UTF-16, o que reduz o limite por segmento para 70 caracteres, não gradualmente mas como um precipício abrupto no instante em que qualquer caractere qualificado aparece em qualquer lugar da mensagem. Uma mensagem em 155 caracteres que cabia confortavelmente sob o limite de texto simples pode se dividir silenciosamente em três segmentos cobrados no momento em que um único emoji é adicionado.

Motores de busca truncam fragmentos e tags de título com base na largura de pixel renderizada, não em uma contagem fixa de caracteres, porque letras diferentes ocupam quantidades diferentes de espaço horizontal — um título cheio de letras estreitas como "i" e "l" cabe mais caracteres no mesmo ponto de truncamento do que um cheio de letras largas como "m" e "w". As contagens de caracteres comumente citadas — aproximadamente 155 para uma descrição, aproximadamente 60 para um título — são aproximações práticas de onde esse truncamento baseado em pixel tende a cair para texto médio, não uma regra que o motor de busca impõe caractere por caractere. Colocar as palavras importantes no início dentro desse orçamento aproximado é o que mantém o significado intacto mesmo se o ponto de corte exato variar ligeiramente pelas letras específicas usadas.