À propos de cet outil
Ce qui compte comme un caractère
Le nombre de caractères est le nombre de grappes de graphèmes (grapheme clusters) : les unités qu'un lecteur perçoit comme un seul caractère, selon les règles de segmentation du texte d'Unicode. Un « é » saisi comme la lettre e suivie d'un accent combinant compte une seule fois. De même pour un emoji composé de plusieurs points de code : l'emoji famille 👨👩👧👦 compte pour un caractère, alors qu'il représente 7 points de code, 11 unités de code UTF-16 et 25 octets en UTF-8.
C'est pourquoi ce nombre peut différer de string.length en JavaScript, qui compte les unités de code UTF-16, et de la longueur renvoyée par une base de données, qui peut être exprimée en octets ou en points de code selon la fonction et le type de colonne. Quand un formulaire ou une API annonce une limite, vérifiez de quelle unité il s'agit. « Caractères sans espaces » exclut les espaces, les tabulations, les sauts de ligne et tous les autres blancs.
Comment sont repérés les mots, les phrases et les paragraphes
Les caractères, les mots et les phrases sont fournis par l'Intl.Segmenter de votre navigateur, créé pour la langue de la page. Il suit les règles Unicode de limites de mots et de phrases et, pour les langues qui s'écrivent sans espaces entre les mots, comme le japonais, le chinois et le thaï, il s'appuie sur des données linguistiques intégrées au navigateur, en général un dictionnaire. Un nombre comme 3,14 forme un seul mot, tout comme « aujourd'hui », alors qu'un mot composé avec trait d'union comme « porte-monnaie » en compte deux.
Les limites de phrases relèvent de l'interprétation : une abréviation suivie d'un point peut être prise pour une fin de phrase, et un saut de ligne en termine toujours une, si bien qu'un titre compte comme une phrase. Considérez ce nombre comme une estimation. Un paragraphe est une ligne qui contient du texte, ce qui correspond au texte collé depuis un traitement de texte. « Lignes » compte toutes les lignes, y compris les lignes vides. Le tableau de fréquence donne les dix mots les plus fréquents. Ils sont comparés sans tenir compte de la casse, et les mots courants comme « le » ne sont pas filtrés.
Octets et temps de lecture
UTF-8 utilise un octet pour l'ASCII, deux pour la plupart des lettres latines accentuées, grecques et cyrilliques, trois pour la plupart des caractères chinois, japonais et coréens, et quatre pour la plupart des emoji. UTF-16 utilise deux octets pour la plupart des caractères et quatre pour ceux situés hors du plan multilingue de base, parmi lesquels la plupart des emoji. Les nombres d'octets portent sur le texte seul, sans indicateur d'ordre des octets (BOM). Un champ de texte du navigateur conserve chaque saut de ligne sous la forme d'un seul caractère de saut de ligne (LF) : un texte copié depuis un fichier avec des fins de ligne Windows (CR LF) est donc compté avec un caractère par saut de ligne, et ses nombres d'octets sont inférieurs à la taille de ce fichier.
Le temps de lecture est le nombre de mots divisé par la vitesse de lecture. La valeur par défaut de 200 mots par minute est un chiffre rond courant pour la lecture silencieuse ; une revue des études sur la vitesse de lecture publiée en 2019 par Marc Brysbaert situe la moyenne des adultes qui lisent en anglais à 238 mots par minute pour les textes documentaires et à 260 pour la fiction. Adaptez la vitesse à vos lecteurs, et baissez-la pour un texte destiné à être lu à voix haute, car la parole est plus lente que la lecture silencieuse.