Cómo contar palabras y caracteres en línea (y por qué los números difieren)
Pegue el mismo texto en Microsoft Word, Twitter, Google Docs y un contador del navegador, y es posible que vea cuatro recuentos de caracteres diferentes. No es un error, es porque cada aplicación cuenta algo ligeramente diferente y todas son técnicamente correctas. Comprender la diferencia es importante cuando escribes el título de un artículo, un tweet o una copia SEO con un límite de caracteres.
Palabras vs caracteres vs caracteres sin espacios
El contador de palabras distingue entre tres medidas sencillas. Palabras son secuencias de letras, números y apóstrofes separados por espacios en blanco o puntuación. Personajes cuente cada carácter, incluidos espacios, puntuación y emoji. Personajes sin espacios suelte el espacio en blanco pero conserve todo lo demás. Para un tweet con un límite de caracteres, esta distinción es importante: el límite se aplica a lo que cuentan los navegadores, que es el recuento completo de caracteres, incluidos los espacios.
Por qué Word, Twitter y los navegadores no están de acuerdo
El desacuerdo se debe a cómo los diferentes sistemas representan el texto. La mayor parte del texto en inglés es sencillo: un carácter en el editor equivale a una unidad para contar. Pero los emoji, que combinan signos diacríticos y escrituras no latinas, rompen esa suposición. Un emoji como 👨👩👧 (familia) puede representarse como un solo glifo, pero está codificado como múltiple puntos de código (las unidades Unicode internas). Microsoft Word podría contarlo como un carácter, Twitter como tres y una herramienta compatible con Unicode como cinco. De manera similar, un carácter chino o una letra acentuada como é puede ser un carácter único o un carácter base más una marca combinada, dependiendo de cómo esté codificado.
La diferencia se reduce a lo que estás midiendo: Puntos de código Unicode (la unidad técnica), Unidades de código UTF-16 (cómo los codifican algunos sistemas como JavaScript y Twitter), o grupos de grafemas (lo que el usuario ve como un solo carácter). Para la mayoría de los propósitos prácticos, el contador de palabras en TextArray cuenta grafemas (lo que realmente ves) que coinciden con las expectativas del usuario y funcionan de manera consistente en todos los emoji, combinando marcas y guiones.
Cuando necesitas contar bytes
Se aplican diferentes límites a diferentes lugares. Las redes sociales a menudo cuentan personajes. Los campos de la base de datos o las API pueden contar bytes — las unidades de almacenamiento reales después de la codificación. Un solo emoji ocupa 4 bytes en codificación UTF-8. Un carácter chino ocupa 3 bytes. Si está pegando texto en un sistema con un límite de bytes, el recuento de caracteres por sí solo no le indicará si encajará. El Contador de bytes UTF-8 muestra el costo exacto en bytes de su texto, lo cual es importante cuando alcanza los límites de API o las restricciones de la base de datos.
Tiempo de lectura y recuento de frases.
Para escrituras más largas (publicaciones de blogs, artículos, documentación), el recuento de palabras es menos útil que el tiempo de lectura. Mil palabras se leen de forma diferente según la longitud y la complejidad de la frase. El tiempo de lectura La herramienta estima cuánto tiempo le tomará a un lector promedio terminar, dándole una idea de si el artículo es un vistazo rápido o una inmersión profunda. Junto a él, el contador de oraciones muestra la longitud promedio de la oración, que es una señal cruda pero útil para la legibilidad; las oraciones más cortas suelen ser más fáciles de leer.
Todos los recuentos son locales e instantáneos.
Cada recuento en TextArray se ejecuta completamente en su navegador. Pegas tu texto y los resultados se actualizan al instante. No hay carga, ni servidor ni cuenta: el texto nunca sale de su dispositivo. Eso es importante cuando trabajas con borradores que no has publicado, contenido confidencial o cualquier cosa que prefieras no pegar en un sitio web aleatorio. Podrás desconectarte de la red y las herramientas seguirán funcionando.