Tweet作成時の文字数の数え方

このページでは、Tweetの作成時およびX API全体において、文字がどのように扱われるかを説明します。実装の詳細については、Xが提供するオープンソースのtwitter-textライブラリを参照してください。ライブラリはGitHubで入手できます。

​

背景

X は SMS ベースのテキストサービスとして始まりました。これにより、当初の Tweet の長さは 140 文字に制限されていました（SMS の上限が 160 文字で、そのうち 20 文字をコマンドやユーザー名に割り当てていたためです）。その後、X の進化に伴い、最大の Tweet 文字数は 280 文字に拡張されました。依然として短く簡潔でありながら、より豊かな表現が可能になりました。

​

文字の定義

多くの場合、Tweet のテキスト内容は最大 280 文字、または Unicode のグリフまで含められます。一部のグリフは複数文字としてカウントされます。

あるグリフが 1 文字か複数文字としてカウントされるかを「重み」と呼びます。どの文字が 1 より大きい重みを持つかの正確な定義は、twitter-text の Tweet 解析ライブラリの設定ファイルに記載されています。

現在の設定ファイルのバージョンでは、既定の「2 文字分の重み」と、異なる重み付けが適用される 4 つのUnicode コードポイント範囲が定義されています。現時点では、これらの範囲のコードポイントはいずれも 1 文字としてカウントされます。

• 最初の範囲は、Latin-1 コードページ全体の文字を対象とします（U+0000〜U+10FF）。
• 2 番目の範囲は、Zero Width Joiner（絵文字やその他のグリフの結合に使用）を含む一般的な句読点です（U+2000〜U+200D）。
• 3 番目の範囲は、Unicode の双方向制御記号である U+200E および U+200F を除く一般的な句読点です（U+2010〜U+201F）。
• 最後の範囲は、引用記号を対象とします（U+2032〜U+2037）。

twitter-text ライブラリで計算された Tweet テキストとその長さの例は、ライブラリのテスト設定ファイル validate.yml に掲載されています。

例

表示される文字	長さ	説明	Unicode シーケンス
a	1	ラテン小文字 a	U+0061
á	1	アキュート付きラテン小文字 a	U+00E1
ӑ	1	ブリーブ付きキリル小文字 a	U+04D1
Ồ	1	サーカムフレックスとアキュート付きラテン小文字 o	U+1ED2

​

絵文字

twemoji がサポートする絵文字は、結合修飾子の有無にかかわらず、常に2文字として数えます。これは、Fitzpatrick 肌の色調 や 性別修飾子 で変更された絵文字も含み、Unicode のコードポイント数が大幅に多い場合でも同様です。絵文字のカウントは、twitter-text 内の正規表現で定義されており、標準的な絵文字に Unicode のゼロ幅接合子 (U+200D) が1つ以上組み合わさった並びを検出します。

例

表示される絵文字	長さ	説明	Unicode シーケンス
👾	2	既知の絵文字の既定の長さ	—
🙋🏽	2	肌の色調修飾子付きの絵文字	🙋 U+1F64B, 🏽 U+1F3FD
👨‍🎤	2	結合用グリフ（ゼロ幅接合子）を用いる絵文字シーケンス	👨 U+1F468, U+200D, 🎤 U+1F3A4
👨‍👩‍👧‍👦	2	複数の結合用グリフ（ゼロ幅接合子）を用いる絵文字シーケンス	👨 U+1F468, U+200D, 👩 U+1F469, U+200D, 👧 U+1F467, U+200D, 👦 U+1F466

​

中国語 / 日本語 / 韓国語の文字

CJK（中国語 / 日本語 / 韓国語）で使用される文字は2文字分としてカウントされます。したがって、CJKのテキストのみで構成されたTweetでは、これらの文字は最大140文字までしか使用できません。

​

エンティティオブジェクト

Tweet には エンティティオブジェクト を含めることがあり、その一部は Tweet の文字数に影響します。

URL: すべての URL は t.co リンクに変換されます。これは、URL の長さが twitter-text の設定ファイル の transformedURLLength パラメータで定義されることを意味します。Tweet 内の URL の現在の長さは 23 文字で、通常の URL がそれより短い場合でも同様です。

返信: 返信の Tweet の冒頭に自動入力される @name は文字数制限に含まれません。@メンションで始まる新規の返信ではない Tweet はカウント対象であり、ユーザーが Tweet 本文に明示的に追加した @メンションもカウントされます。

メディア: 公式クライアントから投稿された場合、pic.x.com の URL として表される、Tweet に添付されたメディアは文字数 0 として扱われます。

エンティティオブジェクトの詳細については、開発者向けドキュメントをご覧ください。

​

X の文字エンコーディング

X API の endpoint は UTF-8 でエンコードされたテキストのみを受け付けます。その他のエンコーディングは、テキストを API に送信する前に UTF-8 に変換する必要があります。

X は、Tweet の長さをテキストの正規化形式C（NFC）に基づいてカウントします。

例として、単語「café」。見た目も読み方も同じですが、使用するバイト数が異なる2つのバイト列があります。

café	0x63 0x61 0x66 0xC3 0xA9	「é」文字、いわゆる「合成済み文字」を使用。
café	0x63 0x61 0x66 0x65 0xCC 0x81	結合分音記号を用いて「e」に重ねる方式。

正規化形式Cは、長い形式（0x65 0xCC 0x81）よりも、完全に結合された文字（café の例における 0xC3 0xA9）の使用を優先します。

X は UTF-8 のバイト数ではなく、テキスト内のコードポイント数をカウントします。café の例の 0xC3 0xA9 は 1 つのコードポイント（U+00E9）で、UTF-8 では 2 バイトとしてエンコードされますが、0x65 0xCC 0x81 は 2 つのコードポイントで 3 バイトとしてエンコードされます。