Tweet-szál osztó

Egy tweet 280 karakteres korlátja nem egy egyszerű "text.length" ellenőrzés, és a legtöbb naiv karakterszámláló ezt valamilyen módon téved. Ez az eszköz a valódi X/Twitter súlyozott hosszúságú algoritmust valósítja meg: minden kódpontot ugyanazzal a súlyozott tartományú táblázattal néznek meg, amelyet a platform saját twitter-szövegkönyvtára használ, ahol a legtöbb latin, cirill, görög és gyakori írásjelek 1 karakternek számítanak, de minden, ami ezeken a tartományokon kívül esik – CJK ideográfiák, a legtöbb emoji, mint fontos szöveg, sok szimbólumként számon tartva2. Az Unicode kódpont (nem nyers UTF-16 egységek) azt jelenti, hogy egy asztrálsíkú emojit, például egy helyettesítőpáros arcot vagy zászlót, egyszer helyesen számolnak meg, nem véletlenül kétszer számolják meg, mint egy naiv ".length" ellenőrzésnél.

A másik könnyen kihagyható valódi szabály, amelyet ez az eszköz őszintén hajt végre: minden http(s):// vagy www. A szövegben szereplő URL pontosan 23 karakternek számít, függetlenül attól, hogy a szó szerinti link 20 vagy 200 karakterből áll. Ez az igazi t.co-rövidített hossz, amely X helyettesít minden hivatkozást, és ez azt jelenti, hogy egy hosszú nyomkövetési URL-lel megrakott tweetben sokkal több hely marad a tényleges szavak számára, mint egy naiv karakterszám, ahol a decibelek azt sugallják.

Egy hosszú bejegyzés szálra osztása több, mint 280 karakterenkénti levágás. Ez az eszköz preferencia szerinti sorrendben három szinthatáron keresztül működik: először megpróbálja összetartani a teljes bekezdéseket, visszaesik a valódi mondathatár-heurisztikusra, ha egy bekezdés túl hosszú (egy reguláris kifejezés alapú elosztó, amely tudja a különbséget a mondatvégi periódus és a rövidítésben, például "Dr." vagy "pl." vagy egy egyedi tizedesjegyben, mint a "3" és csak egy utolsó tizedesjegy között. mondat túllépi a határt – minden szinten az URL-t egy oszthatatlan tokenként kezeli, és soha nem osztja fel a közepén.

A szálszámozás ("1/7", "2/7"...) valóban könnyen kihagyható éles kis- és nagybetűvel rendelkezik: maga a számozási szöveg a csatolt tweet karaktereit használja fel, és a számozás szélessége a teljes tweetszámtól függ, amit a felosztásig nem lehet tudni. Ez az eszköz az iteratív újrafelosztással oldja meg, hogy a számozás valós súlyozott hosszát lefoglalja minden egyes lépés előtt, amíg a lefoglalt költségkeret meg nem egyezik a tényleges tweetszámmal. Alapértelmezés szerint a szabványos 280 karakteres korlátot használják, annak őszinte megjegyzése mellett, hogy az X Premium előfizetők sokkal magasabb hosszúságú korlátot kapnak (akár durván 25 000 karakterig) azokra a bejegyzésekre, amelyeknek nem kell nyilvános szálként működniük – egy kapcsoló segítségével egyéni korlátra válthat, ha ezt célozza meg.