Kalkulator Panjang String

Contoh-contoh

Mengapa angka-angka berbeda

String JavaScript menggunakan format UTF-16; oleh karena itu, nilai kode yang melebihi batas U+FFFF disimpan dalam bentuk pasangan pengganti, yaitu dua unit kode UTF-16, misalnya "😀".length === 2. Pengguna sangat tidak menyukai hal ini karena mereka menganggap 😀 sebagai satu karakter tunggal.

Grafem memiliki fungsi yang lebih luas: bendera suatu negara terdiri dari dua kode indikator regional yang oleh pengguna dilihat sebagai satu bendera utuh. Contohnya adalah "🇺🇸".length === 4 dalam JavaScript, meskipun terasa tidak masuk akal, namun memang demikian adanya. Untuk mengolah grafem secara berulang, gunakan pustaka Intl.Segmenter (versi modern), grapheme-splitter, atau lakukan secara manual.

Byte UTF-8: apa yang disimpan oleh basis data Anda

Untuk kolom dengan tipe VARCHAR(255):

• Di MySQL utf8 (yang sebenarnya menggunakan format utf8mb3), angka 255 mengacu pada jumlah byte; sedangkan café membutuhkan 5 byte, sehingga dapat menampung 51 salinan.
• Di MySQL utf8mb4 (UTF-8 asli yang mencakup emoji), data tetap dihitung dalam byte, namun pengkodeannya mendukung urutan empat byte.
• Di Postgres VARCHAR(255), angka 255 merujuk pada karakter (titik kode), bukan byte.
• Pada SQL Server VARCHAR, nilainya bervariasi tergantung pada metode pengurutan (collation); sedangkan NVARCHAR menghitung unit UCS-2 sepanjang 2 byte.

Jika Anda menentukan ukuran bidang basis data berdasarkan batas karakter yang terlihat oleh pengguna, gunakan nilai bytes × 4 sebagai langkah keamanan untuk kolom dalam format UTF-8, setiap grafem dapat memakan hingga 4 byte per titik kode, dan urutan ZWJ akan menambah biaya penyimpanan lebih lanjut.

Penghitungan karakter ala Twitter

Twitter menghitung jumlah tweet berdasarkan aturan khusus: kode dihitung sebagai satu karakter, sedangkan emoji dan ideograf CJK dihitung sebanyak dua karakter. Sebuah tweet yang sepenuhnya menggunakan huruf ASCII dapat mencapai maksimal 280 karakter; sementara tweet yang menggunakan 140 emoji hanya dapat mencapai maksimal 140 karakter.

Jumlah karakter SMS: maksimal 160 karakter dalam format GSM 7-bit. Setiap karakter yang tidak termasuk dalam standar GSM (seperti á, é, ñ, atau emoji) akan mengubah pengkodean menjadi UCS-2, sehingga panjang pesan Anda berkurang menjadi 70 karakter.

Aplikasi Praktis

• Penentuan ukuran kolom database, periksa jumlah byte sebelum melakukan migrasi.
• Penerapan kuota API, sebagian besar API menghitung dalam satuan byte, bukan karakter.
• Validasi formulir, menampilkan jumlah karakter yang akurat kepada pengguna sesuai dengan ekspektasi mereka (grafem).
• Debugging kinerja, mengapa regex ini berjalan lambat? Karena data masukan 3 kali lebih panjang dalam satuan kode dibandingkan dalam satuan grafem.