Informazioni su questo strumento
Cosa conta come carattere
Il numero di caratteri è il numero di grapheme cluster: le unità che chi legge percepisce come un solo carattere, secondo le regole di segmentazione del testo di Unicode. Una «é» scritta come lettera e seguita da un accento combinante conta una volta sola. Lo stesso vale per un'emoji composta da più code point: l'emoji della famiglia 👨👩👧👦 è un solo carattere, anche se è formata da 7 code point, 11 code unit UTF-16 e 25 byte in UTF-8.
Per questo il numero può essere diverso da string.length in JavaScript, che conta le code unit UTF-16, e dalla lunghezza riportata da un database, che può essere in byte o in code point a seconda della funzione e del tipo di colonna. Quando un modulo o un'API indicano un limite, verifica a quale di queste unità si riferiscono. Caratteri senza spazi esclude spazi, tabulazioni, a capo e ogni altro spazio bianco.
Come vengono individuate parole, frasi e paragrafi
Caratteri, parole e frasi vengono da Intl.Segmenter del tuo browser, creato per la lingua della pagina. Segue le regole Unicode per i confini di parola e di frase, e per le lingue che non mettono spazi tra le parole, come giapponese, cinese e thailandese, si basa sui dati linguistici integrati nel browser, di solito un dizionario. Un numero come 3.14 è una parola sola, e lo è anche «don't», mentre un composto con trattino come «well-known» conta come due.
I confini di frase sono una valutazione: un'abbreviazione con il punto può essere letta come la fine di una frase, e un a capo chiude sempre una frase, quindi anche un titolo conta come frase. Considera quel numero una stima. Un paragrafo è una riga che contiene testo, il che corrisponde al testo incollato da un word processor. Righe conta tutte le righe, comprese quelle vuote. La tabella delle frequenze elenca le dieci parole più frequenti. Le parole vengono confrontate senza distinguere maiuscole e minuscole, e le parole comuni come «il» o «di» non vengono escluse.
Byte e tempo di lettura
UTF-8 usa un byte per l'ASCII, due per la maggior parte delle lettere latine accentate, greche e cirilliche, tre per la maggior parte dei caratteri cinesi, giapponesi e coreani e quattro per la maggior parte delle emoji. UTF-16 usa due byte per la maggior parte dei caratteri e quattro per quelli fuori dal Basic Multilingual Plane, che include la maggior parte delle emoji. I conteggi in byte riguardano solo il testo, senza byte order mark. Un campo di testo del browser conserva ogni a capo come un singolo line feed (LF), quindi un testo copiato da un file con i fine riga di Windows (CR LF) viene contato con un carattere per ogni a capo, e i suoi conteggi in byte risultano inferiori alla dimensione di quel file.
Il tempo di lettura è il numero di parole diviso per la velocità di lettura. Il valore predefinito di 200 parole al minuto è una cifra tonda comune per la lettura silenziosa; una rassegna del 2019 sugli studi della velocità di lettura, firmata da Marc Brysbaert, ha stimato la media degli adulti che leggono in inglese in 238 parole al minuto per la saggistica e 260 per la narrativa. Adatta la velocità ai tuoi lettori, e abbassala per un testo che verrà letto ad alta voce, perché il parlato è più lento della lettura silenziosa.