Conte emojis sem cortar um caractere visível ao meio
O usuário digita um emoji, mas o contador mostra dois. Outro emoji é cortado e vira um símbolo quebrado. Muitas vezes, o problema está na unidade contada, não em uma entrada corrompida: length do JavaScript mede unidades de código UTF-16, enquanto os leitores enxergam agrupamentos de grafemas.
Defina o que o contador promete
Um campo de legenda que diz “resta um caractere” não deveria rejeitar um único sinal de positivo apenas porque a implementação conta duas unidades UTF-16. Mas um serviço de armazenamento pode realmente impor um limite de bytes. São requisitos diferentes. Antes de mudar o código, descubra se o limite se aplica a um rótulo para o leitor, a uma coluna de banco de dados ou a uma API externa. Mudar só o contador pode deixar a operação de salvamento falhando mais adiante.
Para texto visível, o grafema costuma ser um bom ponto de partida: uma letra com seu acento combinante ou um emoji com seu modificador ficam juntos. Isso não mede largura na tela. Um emoji de família e uma letra estreita podem contar como um grafema cada um, ocupando espaços muito diferentes.
Uma pergunta pública de 2016 questionava por que um sinal de positivo tinha comprimento 2. Esse caractere usa um par substituto. Espalhar a string conta pontos de código, o que resolve esse exemplo simples, mas não tons de pele, bandeiras ou famílias unidas.
const text = "👍🏽";
const s = new Intl.Segmenter("en", { granularity: "grapheme" });
text.length; // 4 code units
[...text].length; // 2 code points
[...s.segment(text)].length; // 1 grapheme
new TextEncoder().encode(text).length; // 8 UTF-8 bytes
Corte somente depois de um caractere visível completo
function truncate(text, maximum) {
if (!Number.isInteger(maximum) || maximum < 0)
throw new RangeError("Use a nonnegative integer");
const s = new Intl.Segmenter(undefined, { granularity: "grapheme" });
let result = "", count = 0;
for (const item of s.segment(text)) {
if (count++ >= maximum) break;
result += item.segment;
}
return result;
}
Isso mantém o início da string sem criar um array com todos os segmentos. Defina separadamente se as reticências consomem parte do limite. Um corte por unidade de código pode deixar metade de um par substituto; um corte por ponto de código ainda pode dividir um emoji unido.
Use a função de truncamento desta seção com um exemplo misto curto, como A👍🏽B. Manter dois grafemas deve preservar A👍🏽, não um sinal de positivo sem o tom de pele. Depois, tente um acento combinante e uma família unida. O objetivo é testar onde ocorre o corte. Uma função pode contar corretamente uma string completa e ainda cortá-la incorretamente em outra parte da interface.
const sample = "A👍🏽B";
console.log(truncate(sample, 0)); // ""
console.log(truncate(sample, 1)); // "A"
console.log(truncate(sample, 2)); // "A👍🏽"
console.log(truncate(sample, 3)); // "A👍🏽B"
Estes são exemplos esperados para um runtime com suporte à segmentação de grafemas, não novas evidências de teste em navegador. Confira o suporte antes de oferecer esse comportamento. Se Intl.Segmenter estiver indisponível, não troque silenciosamente por uma alternativa de espalhamento e slice afirmando a mesma garantia. Preserve a entrada do usuário e explique a limitação, ou utilize uma implementação de segmentação revisada separadamente.
Mantenha edição e salvamento coerentes
Em um campo de texto interativo, atualize a contagem sem reescrever o valor a cada tecla. Alguns métodos de entrada combinam várias teclas em um caractere; cortes agressivos durante a composição podem atrapalhar a digitação. Uma interação mais segura mostra a contagem, explica o excesso e permite editar antes de salvar. Se gerar um rótulo abreviado, mantenha o texto completo original disponível em outro lugar.
Defina se as reticências acrescentadas entram no limite. Para uma prévia de cinco grafemas incluindo reticências, reserve espaço para o marcador em vez de manter cinco e adicionar um sexto. Não aplique um limite de caracteres visíveis a uma API limitada por bytes esperando que caiba: o exemplo com tom de pele acima é um grafema, mas ocupa oito bytes UTF-8.
Antes de publicar, compare o contador, a prévia abreviada e o valor salvo usando o mesmo conjunto de amostras. Se o backend aplica outra política de contagem, documente-a e valide contra ela. O tratamento por grafemas evita cortes quebrados; não normaliza a escrita, não garante suporte da fonte nem define as regras de outro serviço.
O que os exemplos registrados demonstram
As amostras preservadas de Node v24.19.0 / ICU 78.3 abrangeram um sinal de positivo, uma sequência com tom de pele, uma bandeira, uma família unida e um acento combinante. Cada uma era um grafema. A família usava 11 unidades de código e 7 pontos de código; cortar o sinal de positivo simples para uma unidade deixou D83D, um substituto alto isolado.
