Start / Hoe woorden tellen en Unicode werken

Hoe woorden tellen en Unicode werken

Het aantal woorden is afhankelijk van de regels die u gebruikt. Deze site maakt gebruik van de Unicode-segmenter van de browser en geeft aan wanneer het resultaat een benadering is.

Bij het tellen van tekens met tekenreekslengte worden UTF-16-code-eenheden geteld. Een emoji kan uit twee eenheden bestaan, en een letter met een combinatieaccent kan uit meer dan één bestaan. De tellers hier tonen ook codepunten en grafeemclusters.

Woorden gebruiken Intl.Segmenter met woordgranulariteit en segmenteren de browsermarkeringen alleen als woordachtig. Dat is niet hetzelfde als splitsen op spaties. Een aantal zinnen uit dezelfde API wordt bestempeld als een benadering, omdat afkortingen en citaten niet altijd overeenkomen met hoe iemand de tekst zou splitsen.

Chinese, Japanse en Koreaanse tekst wordt niet gescheiden door spaties. De segmenter retourneert nog steeds het aantal woorden en de pagina markeert dit als een schatting. Als de browser geen segmenteerder heeft, krijgen deze scripts het aantal tekens en geen aantal woorden, in plaats van een gok op basis van een spatieverdeling.

De telregels zijn voor operators vastgelegd in de projectnotities. Ze zijn geen rangschikkingsmethode.