Caracteres vs bytes: contando o texto corretamente

Como funciona

Os caracteres são pontos de código Unicode, contados após a normalização dos finais de linha. Palavras divididas em espaços em branco. Bytes são o comprimento da codificação UTF-8, que é o que a maioria dos bancos de dados e limites HTTP medem. As linhas são contadas por caracteres de nova linha.

• Os caracteres são pontos de código Unicode; bytes são do tamanho UTF-8, que é o que a maioria dos bancos de dados armazena.

Por que isso importa

Um formulário que aceita 160 caracteres ainda pode rejeitar o envio quando a coluna tiver 160 bytes. Conhecer os dois números antes de colar é a diferença entre uma biografia funcional e um erro de validação que você não consegue explicar.

Um exemplo trabalhado

Um único é é um caractere, mas dois bytes UTF-8. Um formulário que limita bytes aceitará cerca de metade do texto acentuado que um formulário que limita caracteres, o que é uma fonte comum de envios rejeitados.

Erros comuns

• Contando unidades de código UTF-16 e chamando-as de caracteres.
• Supondo que cada emoji seja um ponto de código.
• Ignorar quebras de linha quando um limite as conta.

Dicas práticas

Para postagens sociais e meta descrições, mantenha uma margem de cerca de 10% – as plataformas truncam de maneira diferente. Se um sistema contar clusters de grafemas em vez de pontos de código, colar o texto na plataforma de destino ainda será a única verificação final confiável.

Como usar

1. Abra a ferramenta. Tudo roda na aba do seu navegador.
2. Cole ou digite sua entrada e escolha a ação necessária.
3. Verifique o resultado e copie-o com um clique.

Abra a ferramenta

Perguntas comuns