Contor de caractere și limită de octeți UTF-8
Despre acest instrument
Lipește text pentru a număra caracterele cu și fără spații și rânduri noi și pentru a afla mărimea în octeți UTF-8. Setează o limită pentru a vedea începutul care încape. Totul se procesează în browser, fără trimiterea datelor.
Numără caracterele
Browserul nu poate număra emojiurile și caracterele combinate ca unități. Actualizează-l pentru a vedea numărul de caractere. Numărul de octeți UTF-8 rămâne afișat mai jos.
Caractere cu spații și rânduri noi —
Caractere fără spații și rânduri noi —
Octeți UTF-8 —
Încadrare într-o limită de octeți UTF-8
Cum se numără spațiile și rândurile noi
A 猫 are trei caractere cu spațiul și două fără el. În UTF-8, A și spațiul ocupă câte un octet, iar 猫 trei, adică cinci în total.
Numărătoarea fără spații și rânduri noi omite și spațiile de lățime completă și tabulatoarele. Sunt numărate doar rândurile noi introduse în câmp. Încadrarea vizuală pe ecran nu schimbă rezultatul.
Marcajele de rând nou din textul lipit devin LF în câmp. Fiecare contează ca un caracter și un octet. Într-un fișier salvat în formatul Windows CRLF, fiecare ocupă doi octeți.
Numărarea emojiurilor și a semnelor combinante
Caracterele se numără ca grupuri de grafeme. Emojiul 👩💻 reunește mai multe puncte de cod, contează ca un caracter și ocupă 11 octeți în UTF-8.
Caracterul japonez hiragana が se poate scrie cu un singur punct de cod が sau ca か urmat de semnul combinant de sonorizare, が. Ambele forme sunt un caracter, dar ocupă trei, respectiv șase octeți UTF-8. Se măsoară forma introdusă.
Unele formulare și rețele sociale numără un emoji ca mai multe caractere. Urmează contorul serviciului căruia îi trimiți textul.
Exemplu de câmp UTF-8 de cel mult 16 octeți
Să presupunem că la importul CSV antetul este limitat la 16 octeți. 開発👩💻募集 ocupă 23, adică șapte în plus. Începutul 開発 are șase octeți, iar emojiul următor cere 11. Cu limita 16, câmpul pentru copiere arată 開発. Emojiurile și caracterele combinate rămân întregi.
Folosește calculul dacă importul cere UTF-8 și limitează valoarea câmpului. Separatorii CSV și ghilimelele adăugate la export nu sunt numărate.