Contador de palavras e caracteres

As palavras são identificadas pela segmentação de palavras Unicode do seu navegador, e só são contados os segmentos com letras, dígitos ou ideogramas; pontuação, símbolos e espaços isolados não são contados. Nos navegadores atuais, "d’água", "3,14" e "1.000" contam como uma palavra cada, enquanto "guarda-chuva" conta como 2, "bem-te-vi" como 3, e um horário como 12:30 ou um endereço de e-mail como name@example.com como 2.

Alguns editores de texto e sites contam cada trecho entre espaços como uma palavra. Eles contam "guarda-chuva", 12:30 ou um endereço da web que começa com https:// como uma só palavra onde este contador encontra duas ou mais, e podem contar como palavra um travessão solto ou um "&" entre espaços, que este contador ignora. Em textos comuns, a diferença costuma ser pequena; textos com muitos hifens, números, links ou código diferem mais.

Sim. "Caracteres" inclui espaços, tabulações e quebras de linha, e cada quebra de linha conta como um caractere e um byte em UTF-8: o navegador entrega à ferramenta cada quebra de linha da caixa de texto como um único caractere LF, mesmo quando o texto vem do Windows, onde arquivos de texto costumam usar dois (CR LF). "Caracteres sem espaços" deixa de fora espaços, tabulações, quebras de linha e outros caracteres de espaço, como o espaço não separável, mas continua contando pontuação e emojis.

As linhas são separadas nas quebras de linha, então linhas em branco contam e uma quebra de linha bem no final acrescenta uma última linha vazia; uma linha longa que só quebra na tela conta como uma. Parágrafos são blocos de texto separados por uma ou mais linhas em branco (vazias ou só com espaços), então linhas separadas por uma única quebra de linha pertencem ao mesmo parágrafo. As frases seguem as regras de frases do Unicode, nas quais uma quebra de linha encerra uma frase: um título ou item de lista sem pontuação final conta como frase, assim como cada parte de uma frase dividida em várias linhas, como em textos copiados de alguns PDFs. Uma abreviação como "Sr." seguida de uma palavra com inicial maiúscula costuma ser contada como fim de frase.

A lista conta cada forma de palavra separadamente, tratando maiúsculas e minúsculas como iguais, e não exclui palavras comuns. Ela não junta formas como "casa" e "casas", e, em coreano, o mesmo substantivo com partículas diferentes aparece em linhas separadas. Defina "Ignorar palavras com menos de (caracteres)" como 4 para ocultar palavras de uma a três letras; em chinês e japonês, em que muitas palavras têm um só caractere, defina 1 para vê-las.

Não necessariamente. As predefinições apenas preenchem valores de limite comuns, e a ferramenta não aplica as regras de nenhum serviço específico. No padrão GSM usado por muitas redes móveis, um SMS comporta 160 caracteres só se todos estiverem no alfabeto GSM de 7 bits, e símbolos como € ocupam duas posições. Com outros caracteres, como emojis, letras da maioria das escritas não latinas ou algumas letras acentuadas, o limite costuma cair para 70 unidades de código UTF-16, que você pode comparar com o valor de "Unidades de código UTF-16"; textos mais longos são enviados em várias partes, cada uma com um pouco menos de espaço.

A ferramenta usa o Intl.Segmenter, integrado aos navegadores atuais, então eles dão resultados iguais ou muito parecidos, embora os limites de palavras e frases possam variar um pouco entre navegadores e entre versões, com mais frequência em textos em chinês, japonês ou tailandês, que não têm espaços entre as palavras. Alguns navegadores mais antigos sem Intl.Segmenter ainda conseguem executar a ferramenta com regras mais simples: os caracteres são contados como pontos de código Unicode, as palavras como texto entre espaços e as frases pela pontuação final e pelas linhas em branco, então as contagens são menos precisas, principalmente para emojis e para textos em chinês, japonês ou tailandês.