도구
한국어 글자 수와 바이트
공백을 빼는 방식과 UTF-8·EUC-KR 바이트는 서로 다른 질문입니다. 한국어 ‘단어 수’는 띄어쓰기와 같지 않아 여기서 만들지 않습니다.
숫자는 브라우저에서 나옵니다. EUC-KR 색인은 이 페이지에서만 받습니다. 붙여 넣은 글은 기어델로 가지 않습니다.
각 숫자가 뜻하는 것
코드 포인트: JavaScript 문자열 이터레이터입니다. 한글 음절 하나, 보조 평면 문자 하나도 1입니다.
공백 제외: 유니코드 공백이 아닌 코드 포인트입니다.
그래핌: 브라우저에 Intl.Segmenter가 있으면 셉니다. 결합 문자 때문에 코드 포인트와 달라질 수 있습니다. Segmenter가 없으면 칸을 비웁니다.
줄 수: CR, LF, CRLF로 나눕니다. 빈 상자는 0줄입니다.
UTF-8 바이트: TextEncoder입니다.
EUC-KR 바이트: WHATWG euc-kr 색인입니다. 웹의 euc-kr은 windows-949와 같습니다. ASCII는 1바이트, 표에 있는 한글·한자는 2바이트입니다. 이모지처럼 표에 없는 코드 포인트는 따로 세고 바이트를 짐작하지 않습니다.
공백으로 나눈 칸: trim 뒤 유니코드 공백으로 나눕니다. 한국어 어절 수가 아닙니다.
하지 않는 일
- 언어학적인 단어 수는 만들지 않습니다. 한국어 띄어쓰기는 토크나이저가 아닙니다.
- EUC-JP, Shift_JIS, GBK는 없습니다.
- 코드 포인트 200,000개에서 자릅니다.