Por que a contagem de caracteres e palavras varia entre aplicativos
O mesmo texto colado em 2 formulários pode gerar contagens diferentes. Antes de cortar palavras para caber no limite, descubra o que cada formulário mede: caracteres visíveis, unidades de armazenamento ou palavras. Essas medidas não são equivalentes.
Um caractere visível pode ter várias partes
No Unicode, um caractere percebido pelo leitor pode ser representado por uma letra e uma marca combinante. Os agrupamentos de grafemas aproximam essas unidades visíveis; contar pontos de código ou unidades de armazenamento pode dar outro resultado. Algumas sequências de emojis apresentam diferença semelhante.
Referências: Unicode Standard Annex #29 — Text Segmentation
Espaço não é uma divisão universal de palavras
A segmentação depende do idioma e da pontuação. Algumas línguas não separam palavras por espaços como o inglês e podem exigir regras ou dicionários adicionais. Dividir nos espaços não é uma definição universal suficiente.
Referências: Unicode Standard Annex #29 — Text Segmentation
Limpe apenas o que pretende mudar
Remover espaços extras pode ajudar um parágrafo, mas estragar tabelas alinhadas ou código. Retirar sinais diacríticos altera detalhes linguísticos; não faça isso automaticamente em uma citação ou nome que precisa permanecer exato.
Converter maiúsculas e minúsculas vale para escritas que têm essa distinção. Não é uma correção ortográfica do árabe. Trabalhe em uma cópia e compare as linhas alteradas.
- Se a meta é atender ao limite de outra plataforma, o contador dela é a referência final.
- Separe palavras de caracteres com e sem espaços.
- A contagem de palavras não define um tempo exato de leitura; a dificuldade e o leitor também importam.
Um pequeno exemplo de contagens diferentes
O é visível pode ser armazenado como 1 ponto de código ou como e seguido de um acento agudo combinante. A segunda representação tem 2 pontos de código, apesar da aparência semelhante.
O árabe بَ também inclui uma letra e uma marca vocálica. Contar o que o leitor vê como unidade é diferente de contar unidades armazenadas. Não apague a marca só para fazer os contadores concordarem.