Artigo
Palavras, caracteres e maiúsculas: como a contagem de texto funciona de verdade
Contar texto parece a única tarefa que um computador não consegue errar, mas duas ferramentas podem tranquilamente indicar números diferentes para o mesmo parágrafo, um emoji pode custar 70 caracteres de SMS, e «280 caracteres» no X não significa o que parece. Por trás das tarefas do dia a dia de escrever dentro de um limite, renomear variáveis ou preencher um mockup, existem algumas regras que vale a pena conhecer. Este artigo passa por elas, usando como exemplo as pequenas ferramentas de texto deste site.
O que conta como palavra
A maioria dos contadores, o nosso incluído, define uma palavra como os datilógrafos: uma sequência de caracteres visíveis entre espaços ou quebras de linha. Essa única regra já explica a maior parte das divergências. «Guarda-chuva» é uma palavra ou duas? Com a separação por espaços, uma. E «bem-te-vi»? Uma. Números, URLs e endereços de e-mail também contam cada um como uma palavra. A convenção desmorona nos idiomas escritos sem espaços: em chinês ou japonês não há espaço para dividir, então uma «contagem de palavras» não faz sentido e é melhor trabalhar com a contagem de caracteres. As estimativas de tempo de leitura empilham uma segunda convenção: nosso contador de palavras divide o total de palavras por 200 palavras por minuto, uma média comum de leitura silenciosa adulta, então trate o resultado como um número de planejamento, não como uma promessa.
Um caractere nem sempre é um único símbolo
A contagem de caracteres é mais turva, porque o texto Unicode tem camadas. O que você percebe como um único caractere (um grafema) pode ser formado por vários pontos de código, e cada ponto de código ocupa uma ou duas das unidades de 16 bits que a propriedade length do JavaScript conta. O emoji de rosto sorridente é um grafema, mas duas dessas unidades, então um contador ingênuo diz 2. Um emoji de família formado pela junção de vários emojis de pessoas é um grafema, cinco pontos de código e oito unidades. Até o texto simples tem esse problema: «café» pode ser armazenado com é como um único ponto de código ou como um e seguido de um acento combinante, idêntico na tela, diferente na contagem. É por isso que dois contadores discordam: eles medem camadas diferentes. As regras para agrupar pontos de código em caracteres percebidos pelo usuário são padronizadas no anexo de segmentação de texto do Unicode (UAX #29), e contadores bem-feitos o seguem.
Os limites para os quais você realmente está contando
Os limites de caracteres são onde a contagem vira dinheiro. Um SMS carrega 160 caracteres no alfabeto compacto GSM-7, mas um único caractere fora dele (um emoji, ou uma letra que o alfabeto não tem) muda a mensagem inteira para UCS-2 e o limite cai para 70; mensagens longas se dividem em partes de 153 ou 67 caracteres, cada uma cobrada separadamente. O X permite 280 caracteres por post, mas os pondera: cada URL conta como 23, independentemente do seu comprimento real, e a maioria dos emojis e caracteres CJK conta como 2. Os snippets de busca têm limites flexíveis em vez disso: o Google trunca títulos e descrições pela largura em pixels, então os números familiares de 60 caracteres para o título e 155 para a descrição são convenções de trabalho, não garantias. Quando um limite realmente importa, conte com as mesmas regras que a plataforma usa, e deixe margem.
A capitalização é uma convenção, e cada estilo tem seu lugar
Mudar a capitalização parece trivial até você esbarrar nas convenções empilhadas sobre ela. A prosa conhece o Title Case, favorecido pelas manchetes americanas, e o sentence case, preferido pela maioria dos guias de estilo europeus. O código tem suas próprias famílias: camelCase para variáveis em JavaScript e Java, PascalCase para nomes de classes e componentes, snake_case em Python e bancos de dados, SCREAMING_SNAKE_CASE para constantes, e kebab-case para classes CSS, nomes de arquivo e slugs de URL, onde as minúsculas evitam a armadilha clássica de links que diferem apenas na capitalização. Converter à mão um punhado de identificadores é tranquilo; converter uma lista de oitenta é como nascem os erros de digitação. Um conversor de capitalização aplica a transformação mecanicamente, incluindo as partes delicadas como decidir o que fazer com siglas e separadores já existentes.
Texto de preenchimento, e arquivos que seu celular se recusa a abrir
Mais duas tarefas completam o conjunto. Layouts são avaliados com texto de preenchimento porque frases reais atraem a atenção para o seu significado; o lorem ipsum funciona justamente porque é quase, mas não totalmente, latim legível. Nosso gerador o produz por parágrafo, frase ou palavra, então um mockup pode ser preenchido em comprimentos realistas em vez de um único bloco colado e repetido. E quando alguém envia um arquivo .md, .json, .csv ou .log que o celular se recusa a abrir, um visualizador de texto no navegador o exibe sem instalar um editor ou encaminhar o arquivo para algum site de conversão. Tudo isso, contagem incluída, roda inteiramente no seu navegador: o texto nunca sai do seu dispositivo, o que importa mais do que o normal quando o que você está medindo é um rascunho, um contrato ou um log cheio de caminhos internos.
Ferramentas neste artigo
- Contador de PalavrasConte palavras, caracteres, frases, parágrafos e estime o tempo de leitura. Ao vivo, sem upload.
- Conversor de CapitalizaçãoConverta texto entre camelCase, snake_case, kebab-case, Title Case e mais. Sem upload.
- Gerador de Lorem IpsumGere texto de placeholder lorem ipsum por parágrafos, frases ou palavras. Copie com um clique. Sem upload.
- Visualizador de texto / códigoAbra arquivos de texto e código que seu celular recusa, Markdown, HTML, JSON, CSV, XML e mais.
Perguntas frequentes
Quantas palavras cabem em uma página?
As convenções editoriais falam em cerca de 500 palavras para uma página em espaçamento simples e cerca de 250 para uma em espaçamento duplo, supondo uma fonte padrão de 12 pontos em papel A4 ou carta. Documentos reais se afastam desses números a cada mudança de fonte, margem ou título, por isso trabalhos e submissões cada vez mais especificam uma contagem de palavras em vez de uma contagem de páginas. Se você já tem o texto, conte-o diretamente e pule a estimativa; as convenções de página só são úteis antes de o texto existir.
O que lorem ipsum realmente significa?
É latim embaralhado, não um amontoado de letras aleatórias. A passagem padrão é cortada e reorganizada de De finibus bonorum et malorum, de Cícero, um texto filosófico de 45 a.C.; o fragmento «dolorem ipsum» significa «a própria dor». O embaralhamento é o ponto: o texto se parece com linguagem natural, com comprimentos de palavra e ritmo de frase plausíveis, mas resiste a ser lido, então quem olha julga o layout em vez do conteúdo. Sua difusão moderna costuma ser atribuída às folhas de transferência Letraset nos anos 1960 e ao software de editoração eletrônica nos anos 1980.
Por que uma plataforma conta menos caracteres do que meu contador?
Porque as plataformas contam com seus próprios pesos. O X parte de 280, mas cobra cada URL como 23 caracteres e a maioria dos emojis e caracteres CJK como 2 cada. Os gateways de SMS mudam a mensagem inteira do alfabeto GSM-7 de 160 caracteres para o modo UCS-2 de 70 caracteres assim que um caractere exige isso. E qualquer plataforma pode contar unidades de código em vez de grafemas, então um único emoji de família pode consumir 8 unidades do limite. Quando o número no botão discorda do seu contador, as regras da plataforma vencem; escreva com margem ou confira com o contador da própria plataforma antes de enviar.