मजकूर आकडेवारी

मोजण्याची पद्धत

अक्षरे

अक्षरे म्हणजे मोकळ्या जागांसह ग्रॅफीम समूह: é, जोडचिन्ह असलेले e व कुटुंब इमोजी प्रत्येकी एक. कोड पॉइंट आणि UTF-16 एकके वेगवेगळी मोजमापे आहेत. मजकुराचे सामान्यीकरण होत नाही.

शब्द

निवडलेल्या भाषेतील Intl.Segmenter चे शब्दासारखे भाग मोजले जातात. अंक मोजले जातात; विरामचिन्हे व स्वतंत्र इमोजी नाहीत. चिनी व जपानीला मोकळ्या जागा आवश्यक नाहीत. मिश्र भाषा व ब्राउझर आवृत्तीनुसार सीमा बदलू शकतात.

ओळी

रिकाम्या मजकुरात शून्य ओळी असतात. प्रत्येक CRLF, CR, LF, NEL, U+2028 किंवा U+2029 एक ओळ वाढवतो, शेवटची रिकामी ओळ धरून. CRLF एक ओळ-विराम आहे.

UTF-8 बाइट

सध्याच्या मजकुराचा BOM शिवाय UTF-8 आकार. ब्राउझर पेस्ट केलेले ओळ-विराम बदलू शकतो; हा मूळ फाइलचा आकार नाही. चुकीचे सरोगेट पर्यायी अक्षरात एन्कोड होतात.

वाचनाचा अंदाज

शब्द × 60 ÷ निवडलेली गती, सेकंदात वरच्या पूर्णांकापर्यंत. सुरुवातीला 200 शब्द/मिनिट; मर्यादा 60–1000. हा अंदाज आहे, मोजलेली किंवा भाषेनुसार समायोजित गती नाही.