Cómo dividir texto en bloques sin separar emojis y acentos

Elegir la unidad antes de fijar el tamaño

Un límite de cien caracteres puede significar cosas distintas según la aplicación. El contador de Snipshed mide puntos de código; el divisor trabaja con caracteres visuales o líneas. Un carácter visual puede contener varios puntos de código y ocupar varias unidades UTF-16. Los bytes y los tokens de un modelo de lenguaje son otras medidas diferentes.

Consulta cómo cuenta el destino antes de utilizar bloques para cumplir un límite. Dividir en cien caracteres visuales no garantiza cien bytes, cien unidades UTF-16 ni cien tokens. Si la aplicación receptora ofrece su propio contador, comprueba allí el bloque definitivo. No ajustes el tamaño solo por la longitud que parece tener una palabra en pantalla.

Dividir sin separar los componentes de un emoji

En modo de caracteres, el navegador segmenta grupos visuales completos. La secuencia de mujer, unión de ancho cero y portátil forma el emoji 👩‍💻 y permanece junta. Una e seguida de U+0301 también permanece unida aunque el acento se almacene como un punto de código independiente. Las palabras sí pueden partirse entre dos bloques.

La muestra A👩‍💻éBC tiene cinco caracteres visuales, ocho puntos de código y diez unidades UTF-16. Con tamaño dos produce tres bloques: A👩‍💻, éB y C. El último bloque puede ser más corto. El inspector Unicode permite ver los componentes; no normaliza la entrada ni convierte automáticamente una letra con acento combinado en otra representación.

1. Abre la muestra Unicode y copia su contenido sin añadir saltos.
2. Pégalo en Dividir texto en bloques.
3. Selecciona caracteres visuales y tamaño 2.
4. Comprueba los tres bloques y el emoji completo.

Interpretar la lista JSON descargada

La salida es una lista JSON de cadenas, no varios archivos independientes. Las comillas, las comas y los corchetes pertenecen a la representación de esa lista. Los saltos de línea se escriben como secuencias escapadas dentro de las cadenas. Si necesitas pegar un bloque en un formulario, utiliza su contenido, no las comillas o las barras de escape del documento JSON.

Para reconstruir la entrada del modo de caracteres, lee la lista como JSON y concatena sus cadenas sin separador. No reemplaces todas las barras invertidas como texto: podrías alterar una barra que sí pertenecía a la entrada. Puedes revisar la estructura con Formatear JSON. Guardar el JSON mantiene los límites entre bloques para revisarlos o procesarlos más adelante.

[
  "A👩‍💻",
  "éB",
  "C"
]

Agrupar líneas y mantener los huecos

En modo de líneas, un bloque de tamaño dos reúne dos líneas consecutivas, incluidas las vacías. Con A, una línea vacía, B y C, el primer bloque contiene A y un salto final, y el segundo contiene B y C separados por un salto. Una línea vacía no desaparece por no tener letras.

Este modo normaliza los saltos CRLF y CR a LF. Para reconstruir su texto normalizado, lee las cadenas JSON y únelas con un salto LF entre bloques. No promete conservar los bytes exactos del archivo original. Si el contenido procede de un PDF con saltos insertados en mitad de frases, decide primero si debes limpiarlos; agrupar líneas no recompone automáticamente párrafos.

Comprobar límites y recuperar el texto correcto

La entrada admite hasta 100000 unidades UTF-16. El tamaño de bloque debe estar entre 1 y 10000 elementos, y se permiten hasta 1000 bloques. Si se supera esa cantidad, aumenta el tamaño o trabaja con una entrada menor. Cambiar a líneas puede dar un resultado distinto porque ya no estás contando la misma unidad.

Calcula, revisa el primer bloque, una unión intermedia y el último, y descarga solo cuando estés conforme. Editar el texto o las opciones invalida el resultado anterior. Para una comprobación completa del modo de caracteres, compara el texto reconstruido con el original. Con líneas, compara contra la versión normalizada a LF. Conserva la fuente si necesitas recuperar su codificación o sus saltos originales.