Pembelah Bebenang Tweet

Had 280 aksara sesuatu hantaran bukanlah semakan `text.length` yang mudah, dan kebanyakan pembilang aksara naif silap dalam hal yang penting. Alat ini melaksanakan algoritma panjang-berwajaran X/Twitter yang sebenar: setiap titik kod dirujuk terhadap jadual julat berwajaran yang sama seperti yang digunakan oleh pustaka twitter-text platform itu sendiri, di mana kebanyakan aksara Latin, Cyril, Yunani dan tanda baca biasa dikira sebagai 1 aksara tetapi apa-apa di luar julat tersebut — ideograf CJK, kebanyakan emoji, banyak simbol — dikira sebagai 2. Sama pentingnya, mengiterasi teks mengikut titik kod Unicode sebenar (bukan unit UTF-16 mentah) bermakna emoji satah astral seperti wajah atau bendera pasangan pengganti dikira dengan betul sekali, bukan secara tidak sengaja dikira dua kali seperti yang dilakukan oleh semakan `.length` yang naif.

Satu lagi peraturan sebenar yang mudah terlepas pandang yang dilaksanakan oleh alat ini dengan jujur: setiap URL http(s):// atau www. dalam teks anda dikira sebagai tepat 23 aksara, tanpa mengira sama ada pautan literal tersebut sepanjang 20 aksara atau 200. Itulah panjang sebenar yang dipendekkan t.co yang digantikan oleh X untuk sebarang pautan, dan ini bermakna hantaran yang sarat dengan URL penjejak yang panjang mempunyai lebih banyak ruang untuk perkataan sebenar daripada yang mungkin dicadangkan oleh kiraan aksara naif — pembelah mengambil kira perkara ini apabila memutuskan di mana sesuatu hantaran berakhir.

Membelah hantaran panjang kepada bebenang adalah lebih daripada sekadar memotong setiap 280 aksara. Alat ini melalui tiga peringkat sempadan mengikut keutamaan: mula-mula ia cuba mengekalkan keseluruhan perenggan bersama, beralih kepada heuristik sempadan ayat sebenar apabila perenggan terlalu panjang (pembelah berasaskan regex yang tahu perbezaan antara noktah akhir ayat dengan yang di dalam singkatan seperti “Dr.” atau “cth.” atau nombor perpuluhan seperti “3.14”), dan hanya memotong pada perkataan individu sebagai jalan terakhir apabila satu ayat tunggal pun melimpahi had — pada setiap peringkat, URL dianggap sebagai satu token tidak boleh dibahagi dan tidak sekali-kali dipotong di tengah.

Penomboran bebenang (“1/7”, “2/7”...) mempunyai kes pinggir yang benar-benar mudah terlepas pandang: teks penomboran itu sendiri menggunakan aksara dalam hantaran yang disertainya, dan lebar penomboran itu bergantung pada jumlah kiraan hantaran, yang anda tidak ketahui sehingga pembahagian selesai. Alat ini menyelesaikannya dengan membelah semula secara berlelaran, menempah panjang berwajaran sebenar penomboran sebelum setiap laluan, sehingga bajet yang ditempah sepadan dengan kiraan hantaran terhasil sebenar. Had standard 280 aksara digunakan secara lalai dengan nota jujur bahawa pelanggan X Premium mendapat had hantaran bentuk panjang yang jauh lebih tinggi (sehingga kira-kira 25,000 aksara) untuk hantaran yang tidak perlu berfungsi sebagai bebenang awam — togol membolehkan anda bertukar kepada had tersuai jika itu yang anda sasarkan.