Blog

Verifică o limită de octeți UTF-8 cu contorul de caractere

Capturile arată cum să verifici o limită de 24 de octeți UTF-8 pentru un câmp CSV, să găsești începutul fără a tăia emojiul și să scurtezi textul ca să-l păstrezi.

Interfața în engleză afișează șapte caractere cu spații, șase fără și 27 de octeți UTF-8.

Să presupunem că un importator CSV acceptă nume de câmp de cel mult 24 de octeți în UTF-8. Numele propus 開発 チーム👩‍💻 are șapte caractere cu tot cu spațiu, dar ocupă 27 de octeți. Deschide contorul de caractere ca să vezi ce parte încape înainte de a modifica textul.

Găsește începutul care încape în 24 de octeți

  1. Lipește 開発 チーム👩‍💻 în câmpul Textul de numărat. Verifică să apară șapte caractere cu spațiu, șase fără el și 27 de octeți în UTF-8.
  2. Introdu 24 în câmpul Limită de octeți (opțională).
  3. Textul inițial depășește limita cu trei octeți. Câmpul rezultatului afișează 開発 チーム. Selectează și copiază această parte dacă vrei să o folosești. Textul inițial cu emoji rămâne în câmpul de introducere.
Interfața în engleză afișează limita de 24 de octeți, o depășire de trei octeți și începutul 開発 チーム.
Începutul ocupă 16 octeți. Emojiul 👩‍💻, alcătuit din mai multe puncte de cod, se numără ca un singur caracter și ocupă 11 octeți. Rămân doar opt, așa că instrumentul se oprește înaintea emojiului și îl lasă întreg.

Scurtează textul și păstrează emojiul

  1. Lasă limita la 24 și înlocuiește textul din primul câmp cu 開発班👩‍💻.
  2. Textul modificat ocupă 20 de octeți, iar patru rămân liberi. Câmpul rezultatului afișează textul integral. Copiază-l la destinație și verifică dacă este acceptat.
Interfața în engleză afișează textul integral 開発班👩‍💻, 20 de octeți folosiți și patru liberi.
Scurtarea expresiei japoneze pentru „echipă de dezvoltare” lasă loc și pentru emoji.

În acest exemplu măsurăm valoarea câmpului în UTF-8. Pentru a include separatorii CSV și ghilimelele adăugate la export, măsoară fișierul salvat. Un salt de linie lipit în câmp ocupă un octet (LF), iar în fișierul salvat cu CRLF ocupă doi octeți. Dacă importatorul folosește altă codificare sau metodă de numărare, urmează regulile acestuia.