Divisor de tópicos de tweet

O limite de 280 caracteres de um tweet não é uma simples verificação de `text.length`, e a maioria dos contadores de caracteres ingênuos erram de maneiras importantes. Esta ferramenta implementa o algoritmo real de comprimento ponderado X/Twitter: cada ponto de código é pesquisado na mesma tabela de faixa ponderada que a própria biblioteca de texto do Twitter da plataforma usa, onde a maioria dos caracteres latinos, cirílicos, gregos e de pontuação comum contam como 1 caractere, mas tudo fora desses intervalos - ideogramas CJK, a maioria dos emojis, muitos símbolos - conta como 2. Tão importante quanto, iterar o texto por ponto de código Unicode real (não UTF-16 bruto unidades) significa que um emoji do plano astral, como um rosto ou bandeira de um par substituto, é contado corretamente uma vez, e não contado duas vezes acidentalmente, como faria uma verificação ingênua de `.length`.

A outra regra real fácil de ignorar que esta ferramenta implementa honestamente: cada http(s):// ou www. O URL em seu texto é contado como exatamente 23 caracteres, independentemente de o link literal ter 20 ou 200 caracteres. Esse é o comprimento real t.co-encurtado que X substitui qualquer link, e isso significa que um tweet embalado com um URL de rastreamento longo tem muito mais espaço para palavras reais do que uma contagem ingênua de caracteres sugeriria - o divisor leva em conta isso ao decidir onde um tweet termina.

Dividir uma postagem longa em um tópico é mais do que apenas cortar cada 280 caracteres. Esta ferramenta funciona através de três níveis de limites em ordem de preferência: primeiro ela tenta manter parágrafos inteiros juntos, recorre a uma heurística de limite de frase real quando um parágrafo é muito longo (um divisor baseado em regex que sabe a diferença entre um ponto final de frase e um dentro de uma abreviatura como "Dr." ou "por exemplo." ou um número decimal como "3,14"), e apenas quebra em palavras individuais como último recurso quando até mesmo uma única frase ultrapassa o limite - a cada nível, um URL é tratado como um token indivisível e nunca é dividido ao meio.

A numeração de threads ("1/7", "2/7"...) tem um caso extremo genuinamente fácil de perder: o próprio texto da numeração usa caracteres no tweet ao qual está anexado, e a largura dessa numeração depende da contagem total de tweets, que você não sabe até que a divisão seja feita. Esta ferramenta resolve isso dividindo novamente iterativamente, reservando o comprimento real ponderado da numeração antes de cada passagem, até que o orçamento reservado corresponda à contagem real de tweets resultante. O limite padrão de 280 caracteres é usado por padrão com uma observação honesta de que os assinantes do X Premium obtêm um limite de formato longo muito maior (até cerca de 25.000 caracteres) para postagens que não precisam funcionar como um tópico público – uma alternância permite que você mude para um limite personalizado se for esse o seu objetivo.