Conteggio dei caratteri durante la composizione dei Tweet

Questa pagina descrive come vengono considerati i caratteri durante la composizione dei Tweet e nell’intera X API. Per ulteriori informazioni sull’implementazione, X mette a disposizione la libreria open source twitter-text, disponibile su GitHub.

​

Contesto

X è nata come servizio basato su SMS. Questo limitava la lunghezza originaria dei Tweet a 140 caratteri (in parte determinata dal limite di 160 caratteri degli SMS, con 20 caratteri riservati a comandi e nomi utente). Con l’evoluzione di X, nel tempo la lunghezza massima dei Tweet è passata a 280 caratteri: ancora breve e concisa, ma tale da consentire una maggiore espressività.

​

Definizione di carattere

Nella maggior parte dei casi, il contenuto testuale di un Tweet può contenere fino a 280 caratteri o glifi Unicode. Alcuni glifi vengono conteggiati come più di un carattere.

Chiamiamo peso il fatto che un glifo valga uno o più caratteri. La definizione esatta di quali caratteri hanno un peso superiore a uno è disponibile nel file di configurazione della libreria di parsing dei Tweet twitter-text.

La versione attuale del file di configurazione definisce un peso predefinito di due caratteri e quattro intervalli di code point Unicode con pesi differenti. Attualmente i code point in questi intervalli sono conteggiati come un singolo carattere.

• Il primo intervallo copre caratteri delle code page Latin-1 (U+0000 - U+10FF).
• Il secondo intervallo riguarda la punteggiatura generale fino a includere lo Zero Width Joiner (usato per combinare emoji e altri glifi) (U+2000-U+200D).
• Il terzo intervallo riguarda la punteggiatura generale, escludendo U+200E e U+200F, che sono marcatori direzionali Unicode (U+2010-U+201F).
• L’ultimo intervallo copre i segni di citazione (U+2032-U+2037).

Esempi di testo di Tweet e lunghezze calcolate dalla libreria twitter-text sono disponibili nel file di configurazione dei test validate.yml della libreria.

Esempi

Carattere visualizzato	Lunghezza	Descrizione	Sequenza Unicode
a	1	Lettera minuscola latina a	U+0061
á	1	Lettera minuscola latina a con accento acuto	U+00E1
ӑ	1	Lettera minuscola cirillica a con breve	U+04D1
Ồ	1	Lettera maiuscola latina o con circonflesso e accento acuto	U+1ED2

​

Emoji

Gli emoji supportati da twemoji contano sempre come due caratteri, indipendentemente dai modificatori combinati. Questo include emoji modificati dal tono della pelle Fitzpatrick o da modificatori di genere, anche se sono composti da un numero significativamente maggiore di code point Unicode. Il peso degli emoji è definito da un’espressione regolare in twitter-text che individua sequenze di emoji standard combinate con uno o più Zero Width Joiner Unicode (U+200D).

Esempi

Emoji visualizzato	Lunghezza	Descrizione	Sequenza Unicode
👾	2	Lunghezza predefinita degli emoji noti	—
🙋🏽	2	Emoji con modificatore del tono della pelle	🙋 U+1F64B, 🏽 U+1F3FD
👨‍🎤	2	Sequenza di emoji che utilizza un glifo combinante (zero-width joiner)	👨 U+1F468, U+200D, 🎤 U+1F3A4
👨‍👩‍👧‍👦	2	Sequenza di emoji che utilizza più glifi combinanti (zero-width joiners)	👨 U+1F468, U+200D, 👩 U+1F469, U+200D, 👧 U+1F467, U+200D, 👦 U+1F466

​

Glifi cinesi / giapponesi / coreani

I glifi utilizzati nelle lingue CJK (cinese / giapponese / coreano) contano anch’essi come due caratteri. Pertanto, un Tweet composto esclusivamente da testo CJK può includere al massimo 140 di questi glifi.

​

Oggetti Entity

I Tweet possono contenere Oggetti Entity, alcuni dei quali influiscono sulla lunghezza di un Tweet.

URL: Tutti gli URL vengono trasformati in link t.co. Ciò significa che la lunghezza di un URL è determinata dal parametro transformedURLLength nel file di configurazione di twitter-text. La lunghezza attuale di un URL in un Tweet è di 23 caratteri, anche se l’URL originale sarebbe più corto.

Risposte: i @nomi che si compilano automaticamente all’inizio di un Tweet di risposta non vengono conteggiati nel limite di caratteri. I nuovi Tweet non di risposta che iniziano con una @menzione vengono conteggiati, così come le @menzioni aggiunte esplicitamente dall’utente nel corpo del Tweet.

Media: i contenuti multimediali allegati a un Tweet, rappresentati come un URL pic.x.com, se pubblicati da un client ufficiale, contano per 0 caratteri.

Per ulteriori informazioni sugli Oggetti Entity, consulta la documentazione per sviluppatori.

​

Codifica dei caratteri di X

Gli endpoint della X API accettano solo testo codificato in UTF-8. Tutte le altre codifiche devono essere convertite in UTF-8 prima di inviare il testo all’API.

X calcola la lunghezza di un Tweet utilizzando il testo normalizzato in formato NFC (Normalization Form C).

Ad esempio: la parola “café”. Esistono due sequenze di byte che visivamente appaiono e si leggono allo stesso modo, ma utilizzano un numero diverso di byte:

café	0x63 0x61 0x66 0xC3 0xA9	Utilizzando il carattere “é”, il “carattere composto”.
café	0x63 0x61 0x66 0x65 0xCC 0x81	Utilizzando il diacritico combinante, che si sovrappone alla “e”.

La Normalization Form C privilegia l’uso di un carattere completamente combinato (0xC3 0xA9 nell’esempio di café) rispetto alla versione estesa (0x65 0xCC 0x81).

X conta il numero di punti di codice nel testo, anziché i byte UTF-8. Il 0xC3 0xA9 nell’esempio di café è un punto di codice (U+00E9) codificato come due byte in UTF-8, mentre 0x65 0xCC 0x81 sono due punti di codice codificati come tre byte.