Таңба және сөз санау

17 платформадағы 39 өріс үшін жазған сәтте санайды, ал шектен асып кетсеңіз, бір рет басып түзетесіз.

0 / 280
0Сөздер
0Таңбалар
0Таңбалар (бос орынсыз)
0Сөйлемдер
0Абзацтар
0Жолдар
0 секОқу уақыты
0 секСөйлеу уақыты
0Графемалар (көрінетін таңбалар)
0UTF-16 бірліктері
0UTF-8 байттары

Бұл мәтін тағы қайда сыяды: барлық шектер бойынша, жазған сәтте

Бәрі браузеріңіздің өзінде есептеледі: жазғаныңыз еш жерге жүктелмейді және сақталмайды. Мәтінді әдемі қаріппен де жазғыңыз келе ме? Мәтін стильдері генераторы мәтінді 100-ден астам көшіруге дайын стильге айналдырады.

Қазақ әріптері қалай саналады

Ә, ғ, қ, ң, ө, ұ, ү, һ, і әріптерінің әрқайсысы, бас түрі де, кіші түрі де, бір таңба болып саналады. Біз мұны осы санауыштың өз кодымен тексердік: ол әр қазақ әрпін Unicode-тағы бір таңба ретінде оқиды, сондықтан «Таңбалар» тақтасы көзге көрінетін әріптер санымен дәл сәйкес келеді.

Санау бірлігіБір қазақ әрпі«Сәлем» сөзі
Таңбалар (код нүктелері)15
Графемалар (көрінетін таңбалар)15
UTF-16 бірліктері15
UTF-8 байттары210
X / Twitter салмағы15
SMSUCS-21 сегмент (70 таңбаға дейін)

Сөздер бос орын бойынша бөлінеді, сондықтан жалғаулары бар ұзын қазақ сөздері де бір сөз болып саналады. Мысалы, «Қазақ тілі өте әдемі. Ұлттық құндылықтарымызды үйде де, түзде де сақтайық!» деген мәтін: 11 сөз, 2 сөйлем, 74 таңба (бос орынсыз 64). Санауыш қазақ әріптерін «сәнді» немесе «көрінбейтін» таңба деп белгілемейді, ал түзету батырмалары кәдімгі қазақша мәтінді өзгертпейді.

Тек екі жерде қазақ әрпі латын әрпінен «қымбатырақ»: байтпен санайтын өрістерде ол 2 байт алады (латын әрпі 1 байт), ал SMS-те кирилл әрпі хабарды сегментте 70 таңбалық Unicode режиміне ауыстырады. Екеуі де жоғарыда жазған сәтте көрсетіледі.

Қатаң және жұмсақ шектер

«Таңба шегі» деп екі түрлі нәрсені атайды, ал шектен асқанда не болатыны соған байланысты.

ТүріШектен асса не боладыМысалдар
Қатаң шек Платформа мәтінді қабылдамайды. Жазба жіберілмейді, ат сақталмайды. X жазбасы 280 · Discord сервердегі лақап ат 32 · TikTok пайдаланушы аты 24 · SMS сегменті
Жұмсақ шек
(жиналу)
Әрі қарай жаза бересіз, бірақ оқырман «тағы» батырмасын баспайынша жалғасын көрмейді. Instagram жазба мәтіні 125-тен кейін · LinkedIn жазбасы телефонда ~140, компьютерде ~210-нан кейін · YouTube сипаттамасы ~157-ден кейін

Адамдар шын мәнінде жұмсақ шекке қарап жазады, бірақ санауыштардың көбі оны көрсетпейді. LinkedIn жазбасында 3000 таңба бар, ал пайдалысы шамамен 140: қалғаны ешкім дерлік баспайтын батырманың артында жасырын. Сондықтан өрістің үстіндегі тексеру жиналу орнын тікелей көрсетеді: жазып отырып, «тағы» батырмасына дейін көрінетін бөлікті бірден көресіз, ал қиылған жерден кейінгі мәтін сызықтың астында күңгірт тұрады. Сол басталу басқа таспалардағы жиналуға төтеп бере ме, оны да қатар көресіз.

Әр таспа қай жерде, қай құрылғыда жиналады:

ТаспаТелефонКомпьютерАлғашқы сөйлем үшін мәні
LinkedIn жазбасы ~140 ~210 140-қа сыйғызсаңыз, басы екеуінде де сақталады. Тізімдегі телефон мен компьютер арасындағы ең үлкен айырма.
Instagram жазба мәтіні ~125 ~125 Тізімдегі ең қысқа қиылу: «... тағы» батырмасына дейін шамамен бір сөйлем.
YouTube сипаттамасы ~157 ~157 Бейне атауының астында «Тағы» батырмасына дейін осынша көрінеді. Іздеуге де көбіне осы бөлік түседі.
Facebook жазбасы ~477 ~477 Ең жұмсақ қиылу: жиналғанға дейін тұтас қысқа абзац сыяды.

Екі адал ескерту. Бұл жарияланған шектер емес, интерфейстің байқалған әрекеті: оларды нақты шек деп емес, «тұрақты түрде осынша көрінеді» деп оқыңыз. Сонымен қатар таспалар мәтінді жол саны бойынша да жинайды, сондықтан ең басындағы үш жол ауысуы жазбаны кез келген таңба санынан әлдеқайда ерте жинайды. Басы тізімге сүйенсе, оны жариялау терезесінің өзінде де тексеріңіз.

Осы тексерудегі барлық таңба шектері

Жоғарыдағы санауыш қолданатын шектер, анықтамалық кесте түрінде. Өту: X (Twitter) · Discord · Instagram · TikTok · SMS · әр платформа қалай санайды.

Жазбалар мен хабарлар

ПлатформаШекЕскертпе
X / Twitter жазбасы280Салмақ бойынша саналады: әр сілтеме = 23, эмодзилердің, белгілердің және сәнді әріптердің көбі = 2. Қараңыз: X қалай санайды
Discord хабары2000Nitro-мен 4000; ұзынырақ хабар .txt тіркемесіне айналады
Instagram жазба мәтіні2200Алғашқы жолдардан кейін «тағы» батырмасының астына жиналады
TikTok жазба мәтіні2200
LinkedIn жазбасы3000«Тағы көрсету» басын телефонда ~140, компьютерде ~210 таңбадан кейін қияды. 140-қа сыйғызсаңыз, екеуінде де сақталады
Facebook жазбасы63 206
YouTube бейне сипаттамасы5000
Pinterest пин сипаттамасы800
Telegram хабары4096Фото немесе бейне жазуы үшін 1024
Threads жазбасы500
Bluesky жазбасы300Код нүктесі бойынша емес, графема бойынша (көзге көрінетіні бойынша) саналады
Reddit жазба тақырыбы300
Zalo жазбасы/күйі2000

Профильдер мен күйлер

ӨрісШек
Instagram профиль сипаттамасы150
TikTok профиль сипаттамасы80
LinkedIn профиль тақырыбы220
WhatsApp «Өзім туралы»50
Telegram профиль сипаттамасы70
VK күйі140

Лақап аттар, тақырыптар және SMS

ӨрісШекЕскертпе
Discord сервердегі лақап ат32
TikTok пайдаланушы аты24Тек әріптер, цифрлар, астын сызу белгісі және нүкте
Instagram пайдаланушы аты30
YouTube бейне атауы100
SEO title (тақырып)~60Google пиксель ені бойынша қияды: бағдар ретінде қараңыз
SEO description (сипаттама)~155Дәл солай: пиксель ені бойынша қиылады
SMS хабар160 / сегментКирилл әріптері, соның ішінде қазақ әріптері, GSM-7 әліпбиінде жоқ, сондықтан қазақша кез келген хабар бір сегментте 70 таңба, 160 емес. Қараңыз: SMS қалай саналады

Сіздің таңба саныңыз неге платформаның санымен сәйкес келмейді

«Мұнда неше таңба бар?» деген сұрақтың бірнеше дұрыс жауабы бар: платформалар әртүрлі бірлікпен санайды. Бір мәтіннің төрт түрлі ұзындығы болуы мүмкін:

Санау бірлігіНені өлшейдіКім солай санайды
ГрафемаларКөзге көрінетінін: тері түсі бар эмодзи 1Bluesky; эмодзиге Instagram да шамамен солай қарайды
Код нүктелеріUnicode таңбаларын: 👍🏽 бұл 2 (саусақ және тері түсі)Платформалардың көбі және осы санауыштағы негізгі «Таңбалар» тақтасы
UTF-16 бірліктеріJavaScript пен көп қолданба мәтінді қалай сақтайды: 𝗯𝗼𝗹𝗱 сияқты сәнді әріптер 2-денHTML форма өрістері (maxlength), көп ойындар мен қолданбалардың серверлік бөлігі
UTF-8 байттарыЖазба көлемін: қазақ әрпі 2, 中 3, 𝗯 4Amazon тауар өрістері, Steam аттары, дерекқорлар

Төрт шаманың бәрі жоғарыда жазған сәтте көрсетіледі. Форма мәтінді тым ұзын деп, ал мәтін редакторы онымен келіспесе, форманың қай бірлікпен өлшейтінін бірден көресіз. Көзге көрінбейтін таңбаларды әдейі қолданғыңыз келсе (мысалы, бос лақап ат үшін), көрінбейтін мәтін бетін қараңыз. Екі платформаға бұдан бөлек ереже керек:

X / Twitter таңба бойынша емес, салмақ бойынша санайды. X-тің өзі жариялаған алгоритм (twitter-text кітапханасы) бойынша әр сілтеме дәл 23 болып саналады, ал U+10FF-тен жоғары жатқанның бәрі дерлік, иероглифтер, эмодзилердің көбі және Unicode-тағы әр «сәнді» әріп, 2 болып саналады. Кирилл әріптері, соның ішінде ә, ғ, қ, ң, ө, ұ, ү, һ, і, бұл ауқымға кірмейді және салмағы 1, дәл латын әрпіндей, сондықтан қазақша жазбаға толық 280 таңба сыяды. Ал сәнді қаріппен (𝗯𝗼𝗹𝗱, 𝓼𝓬𝓻𝓲𝓹𝓽; Unicode-та мұндай әліпбилер негізінен латынға арналған) жазылған мәтін бюджетті екі есе қысқартады: 280 емес, 140 көрінетін әріп. Жоғарыдағы тексерудегі «X / Twitter» нұсқасы осы нақты алгоритмді қолданады.

SMS сегментпен саналады, ал қазақша сегмент әрқашан 70 таңба. Хабарға 160 таңба барлық таңба ескі GSM-7 әліпбиіне кірген кезде ғана сыяды, ал онда кирилл әріптері мүлде жоқ, бірде-біреуі. Сондықтан қазақша кез келген SMS UCS-2 ретінде кодталады: сегментте 70 таңба, ал бөліктерге бөлінгенде 67-ден. Бағадағы айырма осыдан: 200 таңбалық хабар латынша екі сегментпен, қазақша үш сегментпен кетеді. Эмодзилер мен Word-тан қойылған «шыршалы» тырнақшалар латын мәтініне де дәл осындай әсер етеді. Жоғарыдағы тексерудегі «SMS» нұсқасы мұны өзі анықтап, сегменттер санын, кодтауды және хабарды Unicode режиміне ауыстырған нақты таңбаны көрсетеді.

Таңба және сөз санау: жиі қойылатын сұрақтар

Сөздер мен таңбаларды онлайн қалай санауға болады?

Мәтінді жоғарыдағы өріске жазыңыз немесе қойыңыз. Сөздер, таңбалар (бос орынмен және бос орынсыз), сөйлемдер, абзацтар саны және шамамен оқу уақыты жазған сайын жаңарып отырады. Ешқандай батырма басудың қажеті жоқ, ал жазғаныңыз еш жерге жүктелмейді және сақталмайды.

Қазақ әріптері (ә, ғ, қ, ң, ө, ұ, ү, һ, і) бір таңба болып санала ма?

Иә. Әр қазақ әрпі Unicode-та бір таңба, сондықтан санауыш оны 1 деп санайды, бас түрін де, кіші түрін де. Ол бір UTF-16 бірлігі және X-те салмағы 1, яғни қазақша жазбаға толық 280 таңба сыяды. Тек байтпен санайтын өрістерде қазақ әрпі 2 байт алады, ал латын әрпі 1 байт.

Бос орын таңба болып санала ма?

Иә, барлық жерде дерлік. Бос орын кәдімгі таңба: ол X-тегі 280 таңбаның бірін, Instagram профиль сипаттамасындағы 150 таңбаның бірін және SMS-тегі бір орынды алады. Сондықтан санауыш «Таңбалар» мен «Таңбалар (бос орынсыз)» мәндерін қатар көрсетеді. Платформа шегі үшін бос орынмен саналған мәнді алыңыз, ал бос орынсыз мәнді тапсырыс беруші немесе аударма бюросы солай санаса ғана қолданыңыз. Бұл техникалық ереже емес, төлем туралы келісім.

Эмодзи бір таңба болып санала ма?

Сирек. Кәдімгі эмодзи көбіне бір код нүктесі, бірақ екі UTF-16 бірлігі. Тері түсі бар немесе бірнеше бөліктен құралған эмодзи (мысалы, отбасы эмодзиі) 4, 7 және одан да көп болып саналуы мүмкін. X-те әр эмодзи 280 таңбаның 2-еуін алады, ал SMS-те бір эмодзи латынша хабарды 160 таңбалық GSM-7-ден сегментте 70 таңбаға ауыстырады. «Графемалар» тақтасы сіз көретінді көрсетеді, ал «Таңбалар» мен «UTF-16 бірліктері» өріс санайтынды көрсетеді.

Платформа шектен асты дейді, ал санауыш сыяды деп көрсетеді. Неге?

Себебі санауыш пен платформа әртүрлі бірлікпен санауы мүмкін. Платформалардың көбі Unicode код нүктелерін санайды, бірақ HTML форма өрістері мен көп қолданба UTF-16 бірліктерін санайды (онда сәнді әріп 2 болып саналады), Amazon тауар өрістері UTF-8 байттарын санайды, ал X салмақ бойынша санайды. Өрістің үстінен мәтін қайда баратынын таңдаңыз: санауыш бір әмбебап сан емес, дәл сол платформа санайтындай санайды.

Мәтінді шекке қалай сыйғызуға болады?

Шектен асқан бойда санауыш нені қысқартуға болатынын және ол платформаның өз бірлігімен қанша орын босататынын көрсетеді: сәнді Unicode мәтінін кәдімгі мәтінге айналдыру, эмодзилерді алып тастау, тырнақшалар мен сызықшаларды түзету, қос бос орындарды біріктіру, хэштегтерді алып тастау немесе мәтінді сөз шекарасы бойынша қысқарту. Әр әрекет бір басумен орындалады және оны болдырмауға болады, сондықтан алдымен ең оңай тәсілді байқап, кейін ғана мәтінді қайта жаза аласыз.

Сәнді қаріптер көбірек таңба болып санала ма?

Әдетте екі есе. Unicode-тағы сәнді әріптер (жуан, жазба, готикалық және басқа «әдемі» әліпбилердің көбі) U+FFFF-тен жоғары жатады, сондықтан көрінетін әр әріп 2 UTF-16 бірлігі, 4 UTF-8 байты және X-тегі 280 таңбаның 2-еуі болып саналады. Сол себепті 10 сәнді әріптен тұратын лақап ат ойындағы 12 таңбалық өріске сыймауы мүмкін. Мәтінді санауышқа қойып, «Сәнді мәтінді кәдімгі мәтінге айналдыру» батырмасын басыңыз: айырманы бірден көріп, қайтарып аласыз.

Көрінбейтін таңбалар санала ма?

Иә, және санауыштың көзге көрінгеннен көбірек көрсететінінің ең жиі себебі осы. Нөлдік енді бос орындар, байт реті белгілері және басқа бағдарламалардан қойылған толтырғыш таңбалар экранда ештеңе көрсетпей-ақ шекті жейді. Санауыш оларды өрістің астында белгілеп, қай жолда тұрғанын көрсетеді және бір басумен өшіруге мүмкіндік береді.

Қазақша бір SMS-ке неше таңба сыяды?

Әрқашан сегментте 70, 160 емес. Кирилл әріптері, соның ішінде ә, ғ, қ, ң, ө, ұ, ү, һ, і, GSM-7 әліпбиінде мүлде жоқ, сондықтан қазақша кез келген хабар UCS-2 ретінде кодталады: бір сегментте 70 таңба, ал бөліктерге бөлінгенде 67-ден. Латынша 200 таңбалық хабар екі сегментпен кетеді, ал қазақша сондай хабар үш сегментпен кетеді, және оператор әрқайсысын бөлек есептейді. Өрістің үстінен «SMS» таңдаңыз: санауыш сегменттер санын, кодтауды және хабарды Unicode режиміне ауыстырған таңбаны көрсетеді.

Word пен онлайн санауыштар неге әртүрлі таңба санын көрсетеді?

Көбіне көрінбейтін таңбаларға байланысты: Word статистикасына абзац белгілері мен жол үзілімдерін қоспайды, ал кейбір онлайн санауыштар әр жол ауысуын таңба деп санайды. Word әдепкі бойынша төменгі ескертпелерді де санамайды, тиісті параметр қосылмайынша. Сонымен қатар кейбір өрістер мен формалар код нүктелерін емес, UTF-16 бірліктерін немесе байттарды санайды. Жоғарыдағы «Графемалар (көрінетін таңбалар)», «UTF-16 бірліктері» және «UTF-8 байттары» тақталары осы шамалардың бәрін бір мезгілде көрсетеді.

Құрал тегін бе және мәтінімді сақтай ма?

Иә, толықтай тегін және тіркелусіз. Барлық санау, шекті тексеру және түзету кәдімгі JavaScript арқылы браузеріңіздің өзінде орындалады: жазғаныңыз еш жерге жүктелмейді, журналға жазылмайды және сақталмайды.

Бұл мәтінді әдемі қаріппен жазғыңыз келе ме?

UltraTextGen кәдімгі мәтінді жуан, курсив, жазба және тағы 100-ден астам Unicode стиліне айналдырады. Бұл стильдер латын әріптерімен жұмыс істейді, ал сызу мен асты сызу қазақ әріптерінде де шығады. Тегін және лезде.

UltraTextGen ашу →