Blog

Jak ověřit limit bajtů UTF-8 pomocí počítadla znaků

Snímky obrazovky ukazují, jak ověřit limit 24 bajtů UTF-8 pro název v CSV, najít začátek bez rozdělení emoji a zkrátit text tak, aby emoji zůstalo.

Anglické rozhraní ukazuje sedm znaků s mezerou, šest bez mezery a 27 bajtů v UTF-8.

Předpokládejme, že nástroj pro import CSV dovoluje v názvu pole nejvýše 24 bajtů v UTF-8. Navržený název 開発 チーム👩‍💻 má sedm znaků včetně mezery, ale zabírá 27 bajtů. Otevřete nástroj počítadlo znaků a před úpravou zjistěte, která část se vejde.

Najděte začátek, který se vejde do 24 bajtů

  1. Vložte 開発 チーム👩‍💻 do pole Text k počítání. Ověřte sedm znaků s mezerou, šest bez mezery a 27 bajtů v UTF-8.
  2. Do pole Limit bajtů (volitelný) zadejte 24.
  3. Původní text překračuje limit o tři bajty. V poli s výsledkem se zobrazí 開発 チーム. Chcete-li tuto část použít, označte ji a zkopírujte. Původní text s emoji zůstane ve vstupním poli.
Anglické rozhraní ukazuje limit 24 bajtů, překročení o tři bajty a začátek 開発 チーム.
Začátek zabírá 16 bajtů. Emoji 👩‍💻 se počítá jako jeden znak, skládá se z několika kódových bodů a zabírá 11 bajtů. Zbývá jen osm, takže nástroj se zastaví před emoji a nechá je celé.

Zkraťte text a zachovejte emoji

  1. Ponechte limit 24 a nahraďte text v prvním poli výrazem 開発班👩‍💻.
  2. Upravený text zabírá 20 bajtů a zbývají čtyři. V poli s výsledkem je celý text. Zkopírujte jej na cílové místo a ověřte, že jej import přijme.
Anglické rozhraní ukazuje celé 開発班👩‍💻, 20 využitých a čtyři zbývající bajty.
Zkrácením japonského výrazu pro „vývojový tým“ vznikne prostor i pro emoji.

V příkladu měříme hodnotu pole v UTF-8. Pokud chcete započítat oddělovače CSV a uvozovky přidané při exportu, změřte uložený soubor. Vložený konec řádku zabírá jako LF jeden bajt, zatímco v souboru uloženém s CRLF zabírá dva. Používá-li import jiné kódování nebo způsob počítání znaků, řiďte se jeho pravidly.