Tweet trådopdeler

En tweets grænse på 280 tegn er ikke et simpelt `text.length`-tjek, og de fleste naive tegntællere tager fejl på måder, der betyder noget. Dette værktøj implementerer den rigtige X/Twitter vægtet-længde-algoritme: hvert kodepunkt slås op mod den samme vægtede rækkevidde-tabel, som platformens eget twitter-tekstbibliotek bruger, hvor de fleste latinske, kyrilliske, græske og almindelige tegnsætningstegn tæller som 1 tegn, men alt uden for disse områder - CJK-ideografer, de fleste tæller lige så mange symboler, de fleste emojier. tekst med ægte Unicode-kodepunkt (ikke rå UTF-16-enheder) betyder, at en astralplan-emoji som et surrogat-par-ansigt eller et flag tælles korrekt én gang, ikke ved et uheld dobbelttællet, som en naiv `.length`-kontrol ville.

Den anden virkelige regel, der er nem at gå glip af, implementerer dette værktøj ærligt: hver http(s):// eller www. URL i din tekst tælles som præcis 23 tegn, uanset om det bogstavelige link er på 20 tegn eller 200. Det er den reelle t.co-forkortede længde X erstatter ethvert link, og det betyder, at et tweet spækket med en lang sporings-URL har langt mere plads tilbage til faktiske ord, end et naivt antal tegn ville antyde - når splitteren bestemmer, hvor dette er.

At dele et langt indlæg op i en tråd er mere end blot at klippe hver 280 tegn. Dette værktøj arbejder gennem tre niveauer af grænser i præferencerækkefølge: det forsøger først at holde hele afsnit sammen, falder tilbage til en reel sætningsgrænseheuristik, når et afsnit er for langt (en regex-baseret splitter, der kender forskellen mellem en sætningsafslutningsperiode og en inde i en forkortelse som "Dr." eller "f.eks." eller et break14 tal på individuel udvej, lige når et decimaltal, "3"). enkelt sætning overskrider grænsen - på hvert niveau behandles en URL som et udeleligt token og deles aldrig på midten.

Trådnummerering ("1/7", "2/7"...) har en virkelig let at gå glip af kant-case: selve nummereringsteksten bruger op tegn i det tweet, den er knyttet til, og bredden af den nummerering afhænger af det samlede tweetantal, som du ikke kender, før opdelingen er færdig. Dette værktøj løser det ved at gen-opdele iterativt, reservere nummereringens reelle vægtede længde før hvert gennemløb, indtil det reserverede budget matcher det faktiske resulterende tweetantal. Standardgrænsen på 280 tegn bruges som standard med en ærlig bemærkning om, at X Premium-abonnenter får en meget højere langtidsgrænse (op til ca. 25.000 tegn) for indlæg, der ikke behøver at fungere som en offentlig tråd – en skift lader dig skifte til en brugerdefineret grænse, hvis det er det, du målretter mod.