Pemisah Benang Tweet

Had 280 aksara tweet bukanlah semakan `teks.panjang` yang mudah, dan kebanyakan pembilang aksara naif mendapat kesilapan ini dalam cara yang penting. Alat ini melaksanakan algoritma panjang berwajaran X/Twitter sebenar: setiap titik kod dilihat pada jadual julat wajaran yang sama yang digunakan oleh perpustakaan teks twitter platform itu sendiri, di mana kebanyakan aksara Latin, Cyrillic, Greek dan tanda baca biasa dikira sebagai 1 aksara tetapi segala-galanya di luar julat tersebut — ideograf CJK, kebanyakan emoji, banyak simbol — dikira sama pentingnya dengan kod teks, bukan kod sebenar, sama pentingnya dengan 2. UTF-16 unit) bermaksud emoji pesawat astral seperti muka atau bendera pasangan pengganti dikira dengan betul sekali, bukan dikira dua kali secara tidak sengaja seperti yang dilakukan oleh semakan `.length` yang naif.

Peraturan sebenar lain yang mudah dilepaskan alat ini dilaksanakan dengan jujur: setiap http:// atau www. URL dalam teks anda dikira sebagai tepat 23 aksara, tidak kira sama ada pautan literal ialah 20 aksara atau 200. Itulah panjang t.co-dipendekkan sebenar X menggantikan mana-mana pautan, dan ini bermakna tweet yang padat dengan URL penjejakan yang panjang mempunyai lebih banyak ruang yang tinggal untuk perkataan sebenar daripada kiraan aksara naif yang akan dicadangkan — pembahagi akaun untuk ini apabila membuat keputusan.

Membahagikan jawatan yang panjang menjadi satu utas adalah lebih daripada sekadar memotong setiap 280 aksara. Alat ini berfungsi melalui tiga peringkat sempadan mengikut keutamaan: ia mula-mula cuba menyatukan keseluruhan perenggan, kembali kepada heuristik sempadan ayat sebenar apabila perenggan terlalu panjang (pemisah berasaskan regex yang mengetahui perbezaan antara tempoh tamat ayat dan satu dalam singkatan seperti "Dr." atau "cth." atau hanya 14 nombor perpuluhan terakhir"), dan sebagai satu patah nombor perpuluhan terakhir seperti "3. ayat melebihi had — pada setiap peringkat, URL dianggap sebagai satu token yang tidak boleh dibahagikan dan tidak pernah dipecahkan di tengah.

Penomboran benang ("1/7", "2/7"...) mempunyai kes tepi yang benar-benar mudah dilepaskan: teks penomboran itu sendiri menggunakan aksara dalam tweet yang dilampirkan padanya, dan lebar penomboran itu bergantung pada jumlah kiraan tweet, yang anda tidak tahu sehingga pemisahan selesai. Alat ini menyelesaikannya dengan membahagi semula secara berulang, menempah panjang wajaran sebenar penomboran sebelum setiap pas, sehingga belanjawan yang ditempah sepadan dengan kiraan tweet yang terhasil sebenar. Had 280 aksara standard digunakan secara lalai dengan nota yang jujur ​​bahawa pelanggan X Premium mendapat had bentuk panjang yang jauh lebih tinggi (sehingga kira-kira 25,000 aksara) untuk siaran yang tidak perlu berfungsi sebagai urutan awam — togol membolehkan anda bertukar kepada had tersuai jika itu yang anda sasarkan.