Tweet Szál Daraboló

Egy tweet 280 karakteres korlátja nem egy egyszerű `text.length` ellenőrzés, és a legtöbb naiv karakterszámláló ezt olyan módon téveszti el, ami számít. Ez az eszköz a valódi X/Twitter súlyozott hosszúság algoritmusát valósítja meg: minden kódpontot ugyanazon súlyozott tartománytáblázat alapján ellenőrzi, amelyet a platform saját twitter-text könyvtára használ, ahol a legtöbb latin, cirill, görög és gyakori írásjel 1 karakternek számít, de minden ezeken a tartományokon kívül eső karakter – CJK ideogrammák, a legtöbb emodzsi, sok szimbólum – 2-nek. Ugyanilyen fontos, hogy a szöveg valódi Unicode kódpontok szerinti iterálása (nem nyers UTF-16 egységek) azt jelenti, hogy egy kiegészítő síkú emodzsi, például egy helyettesítőpáros arc vagy zászló helyesen egyszer számítódik, nem véletlenül kétszer, ahogy azt egy naiv `.length` ellenőrzés tenné.

A másik könnyen figyelmen kívül hagyható valódi szabály, amelyet ez az eszköz becsületesen implementál: minden http(s):// vagy www. URL a szövegében pontosan 23 karakternek számít, függetlenül attól, hogy a literális link 20 vagy 200 karakter hosszú. Ez a valódi t.co-rövidített hosszúság, amelyet az X bármely linkre behelyettesít, és ez azt jelenti, hogy egy hosszú követő URL-lel teli tweetben sokkal több hely marad a tényleges szavak számára, mint amit egy naiv karakterszámlálás sugallna – a daraboló ezt figyelembe veszi, amikor eldönti, hol ér véget egy tweet.

Egy hosszú bejegyzés szálra darabolása több annál, mint hogy 280 karakterenként elvágjuk. Ez az eszköz három határszinten dolgozik preferencia-sorrendben: először megpróbálja a teljes bekezdéseket egyben tartani, amikor egy bekezdés túl hosszú, egy valódi mondathatár-heurisztikához folyamodik (egy regex-alapú daraboló, amely ismeri a különbséget a mondatvégi pont és a rövidítésben, például a „Dr.” vagy „pl.” szavakban, illetve a tizedes számokban, mint a „3,14” lévő pont között), és csak végső megoldásként tör egyedi szavakon, amikor még egyetlen mondat is túlcsordítja a korlátot – minden szinten az URL egy oszthatatlan tokenként kezelendő, és soha nem darabolódik a közepén.

A szál számozásának („1/7”, „2/7”…) van egy valóban könnyen elkövethető speciális esete: maga a számozási szöveg karaktereket használ fel abban a tweetben, amelyhez csatolva van, és a számozás szélessége a teljes tweetszámtól függ, amelyet addig nem ismerünk, amíg a darabolás be nem fejeződik. Ez az eszköz ezt iteratív újradarabolással oldja meg, minden egyes menet előtt lefoglalva a számozás valódi súlyozott hosszúságát, amíg a lefoglalt keret meg nem egyezik a ténylegesen kapott tweetszámmal. A szabványos 280 karakteres korlát van alapértelmezésben használva, egy őszinte megjegyzéssel, hogy az X Premium előfizetők jóval magasabb hosszúposzt-korlátot kapnak (körülbelül 25 000 karakterig) a nyilvános szálként nem működőnek szánt bejegyzésekhez – egy kapcsolóval átválthat egyéni korlátra, ha ezt célozza.