Tweet-tråd-opdeler

Grænsen på 280 tegn i et tweet er ikke et simpelt `text.length`-tjek, og de fleste naive tegnoptællere tager fejl på måder, der betyder noget. Dette værktøj implementerer den reelle vægtede længdealgoritme for X/Twitter: hvert kodepunkt slås op i den samme vægtningstabel, som platformens eget twitter-text-bibliotek bruger, hvor de fleste latinske, kyrilliske, græske og almindelige tegnsætningstegn tæller som 1, mens alt uden for disse områder – CJK-ideogrammer, de fleste emoji, mange symboler – tæller som 2. Lige så vigtigt er, at gennemløb af teksten efter reelle Unicode-kodepunkter (ikke rå UTF-16-enheder) betyder, at et astralplan emoji, som fx et ansigt eller flag i et surrogatpar, tælles korrekt én gang og ikke ved en fejl dobbelttælles, som et naivt `.length`-tjek ville gøre.

Den anden let overseede, reelle regel, som dette værktøj implementerer ærligt: hver http(s)://- eller www.-URL i din tekst tælles som præcis 23 tegn, uanset om det bogstavelige link er 20 eller 200 tegn. Det er den reelle t.co-afkortede længde, X erstatter ethvert link med, og det betyder, at et tweet pakket med en lang tracking-URL har langt mere plads tilbage til de faktiske ord, end en naiv tegnoptælling ville antyde – opdeleren tager højde for dette, når den afgør, hvor et tweet slutter.

At opdele et langt opslag i en tråd er mere end blot at skære for hvert 280. tegn. Dette værktøj arbejder sig gennem tre niveauer af grænser i prioriteret rækkefølge: det forsøger først at holde hele afsnit samlet, falder tilbage på en reel sætningsgrænseheuristik, når et afsnit er for langt (en regex-baseret opdeler, der kender forskel på et sætningsafsluttende punktum og et punktum inde i en forkortelse som 'dr.' eller 'f.eks.' eller et decimaltal som '3,14'), og bryder kun på enkeltord som sidste udvej, når selv en enkelt sætning overskrider grænsen – på hvert niveau behandles en URL som et udeleligt token og opdeles aldrig på midten.

Trådnummerering ('1/7', '2/7' ...) har et reelt, let overset hjørnetilfælde: selve nummereringsteksten bruger tegn i det tweet, den er knyttet til, og bredden af denne nummerering afhænger af det samlede antal tweets, som man ikke kender, før opdelingen er færdig. Dette værktøj løser det ved at opdele iterativt og reservere nummereringens reelle vægtede længde før hver gennemløb, indtil det reserverede budget svarer til det faktisk resulterende antal tweets. Standardgrænsen på 280 tegn bruges som udgangspunkt med en ærlig bemærkning om, at X Premium-abonnenter får en meget højere grænse for lange indlæg (op til cirka 25.000 tegn) til opslag, der ikke behøver at fungere som en offentlig tråd – en kontakt lader dig skifte til en brugerdefineret grænse, hvis det er det, du sigter efter.