Comment découper du texte en blocs sans séparer émojis et accents

Choisir l’unité avant la taille

Une limite de cent caractères peut varier selon l’application. Le compteur de Snipshed mesure des points de code ; le découpeur utilise des caractères visuels ou des lignes. Un caractère visuel peut contenir plusieurs points de code et occuper plusieurs unités UTF-16. Octets et jetons de modèles linguistiques sont encore d’autres mesures.

Vérifiez la règle du destinataire avant d’utiliser des blocs pour respecter une limite. Cent caractères visuels ne garantissent pas cent octets, unités UTF-16 ou jetons. Si l’application de destination possède un compteur, vérifiez-y le bloc final. Ne choisissez pas la taille seulement selon l’apparence d’un mot et conservez l’original jusqu’à l’acceptation du texte voulu.

Ne pas séparer les composants d’un émoji

En mode caractères, le navigateur segmente des groupes visuels complets. La séquence femme, liant sans chasse et ordinateur portable forme 👩‍💻 et reste unie. Un e suivi de U+0301 reste aussi avec son accent combiné, même si celui-ci est stocké comme point de code séparé. Les mots peuvent toutefois être coupés entre blocs.

L’exemple A👩‍💻éBC contient cinq caractères visuels, huit points de code et dix unités UTF-16. Avec une taille de deux, il produit trois blocs : A👩‍💻, éB et C. Le dernier peut être plus court. L’inspecteur Unicode révèle les composants ; il ne normalise pas l’entrée et ne remplace pas automatiquement un accent combiné par une autre représentation.

1. Ouvrez l’exemple Unicode et copiez-le sans ajouter de lignes.
2. Collez-le dans le découpeur de texte.
3. Choisissez caractères visuels et taille 2.
4. Vérifiez les trois blocs et l’émoji complet.

Interpréter la liste JSON téléchargée

La sortie est une liste JSON de chaînes, pas plusieurs fichiers indépendants. Guillemets, virgules et crochets appartiennent à sa représentation. Les sauts de ligne sont écrits sous forme de séquences échappées dans les chaînes. Pour coller un bloc dans un formulaire, utilisez son contenu sans les guillemets ou échappements du document JSON.

Pour reconstituer l’entrée du mode caractères, lisez la liste comme JSON et concaténez ses chaînes sans séparateur. Ne remplacez pas toutes les barres obliques inverses comme du texte brut : certaines peuvent appartenir à l’original. Utilisez le formateur JSON pour examiner la structure. Garder le fichier conserve les limites des blocs pour vérification ou traitement ; la concaténation supprime volontairement ces limites.

[
  "A👩‍💻",
  "éB",
  "C"
]

Grouper les lignes en gardant les lignes vides

En mode lignes, une taille de deux groupe deux lignes consécutives, y compris les vides. Avec A, une ligne vide, B et C, le premier bloc contient A et un saut final ; le second contient B et C séparés par un saut. Une ligne vide ne disparaît pas faute de lettres.

Ce mode normalise CRLF et CR en LF. Pour reconstituer le texte normalisé, lisez les chaînes JSON et joignez-les par un LF entre blocs. Les octets exacts du fichier original ne sont pas préservés. Si un PDF a introduit des sauts au milieu des phrases, décidez d’abord de les nettoyer : grouper les lignes ne reconstitue pas automatiquement les paragraphes ou la mise en page originale.

Vérifier limites et reconstitution

L’entrée accepte jusqu’à 100000 unités UTF-16. La taille doit être comprise entre 1 et 10000 éléments et le maximum est de 1000 blocs. Si ce nombre est dépassé, augmentez la taille ou réduisez l’entrée. Passer aux lignes peut modifier le résultat puisque l’unité comptée change.

Calculez, examinez premier bloc, jonction intermédiaire et dernier bloc, puis téléchargez si le résultat convient. Modifier texte ou options invalide la sortie précédente. Pour les caractères, comparez la reconstitution à l’original ; pour les lignes, à la version normalisée en LF. Gardez la source pour retrouver codage ou sauts originaux : la liste ne stocke pas ces propriétés du fichier.