Tweet Trådsplitter

En tweets grense på 280 tegn er ikke en enkel `text.length`-sjekk, og de fleste naive tegntellere tar feil på måter som betyr noe. Dette verktøyet implementerer den virkelige X/Twitter-algoritmen for vektet lengde: hvert kodepunkt slås opp mot den samme vektede rekkeviddetabellen som plattformens eget twitter-tekstbibliotek bruker, der de fleste latinske, kyrilliske, greske og felles tegnsettingstegn teller som 1 tegn, men alt utenfor disse områdene – CJK-ideografer, – de fleste viktige symboler, de fleste av emojiene teller like mange. tekst med ekte Unicode-kodepunkt (ikke rå UTF-16-enheter) betyr at en astral-plan-emoji som et surrogat-par-ansikt eller et flagg telles riktig én gang, ikke ved et uhell dobbelttelles slik en naiv `.length`-sjekk ville gjort.

Den andre virkelige regelen som er lett å gå glipp av, implementerer dette verktøyet ærlig: hver http(e):// eller www. URL i teksten din telles som nøyaktig 23 tegn, uavhengig av om den bokstavelige lenken er 20 tegn eller 200. Det er den reelle t.co-forkortede lengden X erstatter en hvilken som helst lenke, og det betyr at en tweet fullpakket med en lang sporings-URL har mye mer plass igjen for faktiske ord enn et naivt antall tegn tilsier – når tweet-avgjørelsen står for dette.

Å dele et langt innlegg i en tråd er mer enn bare å kutte hver 280. tegn. Dette verktøyet fungerer gjennom tre nivåer av grenser i preferanserekkefølge: det prøver først å holde hele avsnitt sammen, faller tilbake til en reell setningsgrenseheuristikk når et avsnitt er for langt (en regex-basert splitter som kjenner forskjellen mellom en setningsavslutningsperiode og en innenfor en forkortelse som "Dr." eller "f.eks." eller et break14-tall på et enkelt desimaltall like "3") og bare et desimaltall på et enkelt desimaltall som "3". enkelt setning overskrider grensen – på hvert nivå behandles en URL som én udelelig token og deles aldri på midten.

Trådnummerering ("1/7", "2/7"...) har en genuint lett å gå glipp av kantsak: selve nummereringsteksten bruker opp tegn i tweeten den er knyttet til, og bredden på nummereringen avhenger av det totale antallet tweet, som du ikke vet før splittingen er ferdig. Dette verktøyet løser det ved å splitte på nytt iterativt, reservere nummereringens reelle vektede lengde før hvert pass, til det reserverte budsjettet samsvarer med det faktiske resulterende antallet tweet. Standardgrensen på 280 tegn brukes som standard med et ærlig notat om at X Premium-abonnenter får en mye høyere langtidsgrense (opptil omtrent 25 000 tegn) for innlegg som ikke trenger å fungere som en offentlig tråd – en bryter lar deg bytte til en egendefinert grense hvis det er det du målretter mot.