Bytetæller online — Antal tegn vs UTF-8-byte

Skriv eller indsæt tekst, og se live hvor mange tegn den indeholder sammenlignet med hvor mange byte den faktisk fylder i UTF-8 og UTF-16 — de to tal afviger, så snart der er tegn uden for ASCII (accenter, CJK-tekst, emoji).

Hvad er dette værktøj?

For ren ASCII-tekst (engelske bogstaver, tal, grundlæggende tegnsætning) er antal tegn og antal byte det samme tal — hvert tegn fylder præcis én byte i UTF-8. Så snart teksten indeholder accenttegn, kinesiske/japanske/koreanske tegn, kyrillisk, arabisk, emoji eller de fleste andre tegn uden for ASCII, gælder dette ikke længere: et enkelt tegn kan fylde 2, 3 eller 4 byte i UTF-8, og 2 eller 4 byte i UTF-16.

Dette er vigtigt, når et system har en grænse i byte snarere end i tegn — sms-beskeder, kolonnestørrelser i databaser, grænser for API-payloads og nogle sociale platforme måler alle i byte, ikke tegn, så den samme tekst kan overskride en grænse i det stille afhængigt af hvilket sprog eller hvilke symboler den indeholder.

Hvorfor bruge det?

Viser antal tegn, UTF-8-byte og UTF-16-byte side om side.
Tæller korrekt emoji og andre tegn uden for Basic Multilingual Plane som ét tegn, ikke to.
Opdateres live mens du skriver — ingen knap at klikke på.
Kører helt i din browser — ingen upload.
Gratis, ingen tilmelding, ingen grænser.

Sådan bruger du det

Skriv eller indsæt tekst i feltet.
Læs antal tegn, antal UTF-8-byte og antal UTF-16-byte nedenfor — de opdateres mens du skriver.

Eksempel

Input

Hello, 世界! 🌍

Output

12 tegn, 19 UTF-8-byte, 26 UTF-16-byte

ASCII-delen ("Hello, " og "! ") fylder 1 byte pr. tegn i UTF-8. Hvert kinesisk tegn fylder 3 byte, og emojien fylder 4 byte — derfor er antal byte mærkbart højere end antal tegn.

Almindelige anvendelser

Tjek om en flersproget produktbeskrivelse passer i en databasekolonne defineret ved bytelængde snarere end antal tegn.
Estimering af sms-segmentforbrug, da sms faktureres og opdeles efter bytestørrelse, og ikke-latinsk tekst har en anden grænse pr. segment.
Bekræftelse af, at en API-payload eller et formularfelt forbliver under en bytebaseret størrelsesgrænse, før det indsendes.
At forstå hvorfor en streng, der "ser kort ud", bliver afvist af et system med en bytebaseret længdekontrol.

Ofte stillede spørgsmål

Hvorfor stemmer antal tegn og antal byte ikke overens?

Unicode-tekst gemmes som byte, og hvor mange byte hvert tegn kræver, afhænger af kodningen og selve tegnet. I UTF-8 fylder ASCII-tegn 1 byte, de fleste accenttegn i latin samt kyrillisk/græsk/hebraisk/arabisk fylder 2 byte, de fleste CJK-tegn fylder 3 byte, og emoji fylder typisk 4 byte. Antal tegn tæller simpelthen symboler uden hensyn til, hvordan de gemmes.

Hvilket antal byte bør jeg bruge til et byte-begrænset felt?

Brug den kodning, systemet faktisk bruger til at gemme eller overføre teksten — de fleste moderne web-API'er, databaser og filer bruger UTF-8, så antal UTF-8-byte er normalt det relevante. Nogle ældre systemer (som intern strengbehandling i Windows/Java) bruger UTF-16.

Tæller dette værktøj emoji korrekt?

Ja. Mange emoji gemmes internt som et par UTF-16-"surrogat"-kodeenheder, som naive tællemetoder tæller som 2 tegn. Dette værktøj tæller Unicode-kodepunkter korrekt, så en emoji tælles som 1 tegn, hvilket svarer til hvor mange tegn en person faktisk ser.

Er dette det samme som Ordtæller-værktøjet?

Nej — Ordtæller fokuserer på antal ord og sætninger til skrivning. Dette værktøj handler specifikt om bytestørrelse i forhold til antal tegn, hvilket er relevant for tekniske grænser snarere end krav til ordantal.

Bliver min tekst uploadet et sted?

Nej. Tællingen sker lokalt i din browser ved hjælp af JavaScripts indbyggede tekstkoder; intet sendes til en server.

Bytetæller — Antal tegn vs bytestørrelse