テキスト統計と文字数を理解する
このカウンターが測るもの
Text Counterは、文章を長さに関わるあらゆる指標へと分解します。入力や貼り付けを行うそばから、スペースを含む文字数と含まない文字数を数え、続いて単語・文・段落・行を集計します。こうしたおなじみの数値に加えて読了時間と発話時間を見積もり、多くのツールが省く低レベルの内訳も表示します。すなわちUnicodeの書記素クラスター、コードポイント、コードユニット、そしてUTF-8・UTF-16やいくつかのレガシーエンコーディングでのバイト数です。
詳細分析パネルでは文字を種類ごとにも振り分けます——韓国語、絵文字、ASCII、その他のUnicode——テキストが実際に何でできているかを一目で確認できます。
これらの数値が効いてくる場面
文字数の上限は、書くものの多くを左右します。ツイートは280文字で打ち止めになり、メタディスクリプションは検索結果でおよそ160文字を超えると切り詰められ、SMSは160文字を越えた時点で複数のセグメントに分割されます。作文欄や応募フォームでは、単語数や文字数の厳格な上限が課されることも珍しくありません。編集しながらカウントが増えていくのを見届けるほうが、フォームに貼り付けてから弾かれるよりずっと快適です。
読了時間と発話時間の見積もりは、問題のもう一方の側面を助けます。記事や台本、プレゼンが占めるスペースではなく、聴衆にどれだけの時間を要するかを見通せるのです。
具体例
文字列 'Hello, world!' を考えてみましょう。スペースを含めて13文字、含めずに12文字、2単語、1文、1行です。次に 👨👩👧 のような絵文字を貼り付けてみます。画面上では単一の文字に見えて書記素クラスターとしては1つと数えられますが、内部は複数のコードポイントが結合してできているため、コードポイント数やバイト数の合計は大きくなります。両方の数値を見れば、『1文字』の絵文字が厳しいバイト制限の大部分を食いつぶしてしまう理由が分かります。なお、「文字」の数はUTF-16コードユニットでのテキスト長に従うため、同じ絵文字でも1より多く加算されますが、「書記素クラスター」では1つと数えられます。
注意点とエッジケース
スペースを含む文字数と含まない文字数の差は、装飾の多いテキストほど広がります。プラットフォームが実際にどちらの数え方を採用しているかを確認しましょう——多くのSNSはスペースを数に含めますが、一部の古いシステムは含めません。単語数は区切り文字に依存するため、スペースを持たないCJK(中国語・日本語・韓国語)の文章は、単純なスペース分割ではなく、書記体系を意識したルールで処理されます。文の数は文末の句読点を手がかりにするので、省略語や三点リーダーが合計を揺らすことがあります。最後にバイト数はエンコーディング次第です。アクセント付き文字やCJK文字はコードユニットとしては1つでも、UTF-8では複数バイトを占めます。まさにそれをエンコーディングのセクションが可視化してくれます。