Contador de caracteres coreanos: palabras y bytes

¿Cómo se usa el contador de caracteres coreanos?

Pega el texto, selecciona la unidad que exige tu tarea, introduce un límite si lo necesitas y compara el resultado antes de copiarlo. El contador conserva el contenido cuando cambias de unidad: puedes comprobar caracteres y bytes sin reconstruir la entrada.

1. Introduce la versión correcta. Escribe en el editor o selecciona un archivo local. Comprueba que corresponde al documento que quieres entregar, con su puntuación y sus saltos de línea. El error habitual es medir una copia abreviada y aplicar el resultado al documento completo.
2. Selecciona una medida. Elige grafemas para grupos de caracteres, eojeol para unidades separadas por espacios o bytes para una codificación concreta. Comprueba la etiqueta junto al número; un total sin unidad no permite verificar un límite.
3. Define el objetivo. Introduce un entero positivo sin separadores de miles ni decimales. Comprueba si queda espacio, si alcanzaste exactamente el máximo o si lo superaste. El objetivo sirve para orientarte mientras editas.
4. Guarda el contexto del resultado. Copia el resumen o exporta un informe con las opciones seleccionadas. Comprueba que incluye la regla de espacios y la unidad. Otro lector podrá reproducirlo sin adivinar cómo contaste.

La decisión más útil se toma antes de borrar una palabra: averigua qué mide el destino.

Elige la unidad del destino antes de editar

Un formulario puede contar bytes mientras una actividad escolar cuenta caracteres sin espacios. Si ambos dicen únicamente «longitud», consulta sus instrucciones o prueba una muestra pequeña. Elegir una unidad porque produce el número menor puede ocultar el problema y obligarte a modificar el texto otra vez.

Conserva una copia del original y compara una versión editada con las mismas opciones. Una sustitución puede reducir grafemas y aumentar bytes, especialmente al mezclar coreano, letras latinas y emojis. El contador no recorta automáticamente lo que excede el máximo: la decisión sobre qué conservar sigue siendo tuya.

Cuando alguien te pide «contar caracteres en coreano», aclara si incluye signos, espacios y saltos. Esa pregunta evita confundir un requisito editorial con una condición de almacenamiento. Para interpretarla, conviene distinguir primero las unidades del texto.

Caracteres, sílabas y unidades de almacenamiento

Los caracteres percibidos, los códigos Unicode y los bytes son medidas distintas. Un grafema agrupa valores que funcionan como una unidad de escritura; un punto de código identifica un valor Unicode; una unidad UTF-16 es un elemento de almacenamiento de las cadenas de JavaScript. Los bytes describen una codificación, no una forma visible.

La tabla permite identificar el origen de una diferencia sin declarar que un número es correcto para todos los usos. Un editor puede mostrar un símbolo y almacenarlo mediante varios elementos. Una tarea sobre bloques silábicos y una integración informática necesitan respuestas diferentes.

También puedes combinar idiomas en una misma entrada. La letra española ñ ocupa un grafema y dos bytes UTF-8; una letra ASCII ocupa un byte. La presencia de hangul no convierte toda la cadena en texto de tres bytes por carácter. El significado de «carácter» debe quedar establecido antes de interpretar esas cifras.

¿Qué significa un carácter coreano?

Un carácter coreano puede ser un bloque silábico mostrado, una letra jamo o una unidad técnica. En 한글, los dos bloques precompuestos son dos grafemas y dos puntos de código, con seis bytes UTF-8 en total. El recuento de letras internas responde a otra pregunta.

El nombre «caracteres visibles» es una orientación práctica, no una garantía de que cada grafema dibuje algo. Algunos valores invisibles también forman unidades de segmentación. Si el total parece incluir un elemento que no ves, abre la inspección y consulta su nombre y posición en vez de concluir que sobran letras.

Una fuente tipográfica puede unir o separar visualmente formas sin cambiar los valores almacenados. Cambiar de fuente no equivale a normalizar Unicode. Por eso el texto de origen y las opciones del contador son mejores referencias que una captura de pantalla cuando necesitas reproducir un resultado.

¿Cuántas letras contiene un bloque hangul?

Un bloque moderno contiene una consonante inicial, una vocal y, cuando corresponde, una consonante final. Sus componentes son los jamo del hangul. El contador distingue las posiciones de descomposición: un bloque sin final aporta dos posiciones y uno con final aporta tres.

Una final compuesta ocupa una posición Unicode final aunque su dibujo incluya más de una forma consonántica. Contar posiciones no equivale a contar trazos de escritura. Si tu ejercicio pide letras, consulta qué criterio utiliza antes de trasladar el resultado de sílabas o de descomposición.

El reconocimiento de sílabas contempla bloques modernos precompuestos y secuencias combinantes válidas. Las letras de compatibilidad aisladas no se convierten automáticamente en una sílaba completa. Esta diferencia explica parte de los desacuerdos entre herramientas y ayuda a separar la estructura del hangul de su representación informática.

¿Por qué dos contadores dan resultados distintos?

Dos contadores pueden dar resultados distintos porque eligen unidades, reglas de espacios, normalizaciones o saltos de línea diferentes. Reproduce la misma entrada y las mismas opciones antes de comparar: la apariencia del texto por sí sola no demuestra que los datos sean idénticos.

La política Unicode White_Space reconoce más separadores que el espacio ASCII U+0020. Una opción que excluya únicamente espacios ASCII puede seguir contando tabulaciones o espacios de otras clases. La política de espacios de ECMAScript también trata U+FEFF como espacio, mientras la propiedad Unicode seleccionada por defecto no lo hace.

Al excluir espacios de los grafemas, importa si todo el grupo pertenece a la propiedad elegida. «Sin espacios» necesita una definición explícita; no significa eliminar cualquier valor que no tenga un dibujo evidente. La inspección muestra los valores que pueden explicar un exceso de longitud.

Para diagnosticar una diferencia, conserva el texto, anota ambas unidades y cambia una opción por vez. Primero compara espacios, después saltos y finalmente normalización. Si modificas todo a la vez, podrás alcanzar un número parecido sin saber qué regla causó la discrepancia. La comparación NFC permite aislar uno de esos factores.

Texto original y comparación NFC

NFC es una normalización canónica que puede componer secuencias compatibles en un valor precompuesto. La vista previa muestra el texto derivado y la diferencia de puntos de código y bytes antes de aplicarlo. El original permanece como referencia hasta que eliges la transformación.

La secuencia 가 contiene un grafema, dos puntos de código y seis bytes UTF-8. Su versión NFC, 가, mantiene un grafema y pasa a un punto de código y tres bytes. La secuencia de letras de compatibilidad ㄱㅏ permanece igual bajo NFC: normalizar no sustituye a un teclado que compone sílabas.

La comparación también sirve para español. Una ñ precompuesta y una n seguida de una tilde combinante pueden verse iguales, aunque la segunda representación tenga dos puntos de código y tres bytes. NFC puede reducir esa representación sin cambiar el grafema. Revisa siempre si el destino permite normalización.

Los saltos requieren otra comparación: CRLF contiene dos puntos de código y LF contiene uno. El portapapeles puede haber cambiado esa representación antes de pegarla. Si necesitas comprobar bytes originales, selecciona el archivo y distingue sus datos del texto ya recibido por el editor.

Palabras coreanas y unidades eojeol

El contador de palabras coreanas utiliza eojeol para nombrar secuencias separadas por la regla de espacios seleccionada. La puntuación permanece unida a su secuencia. Es una medida reproducible de segmentación escrita, útil para comparar textos, pero no una definición universal de palabra lingüística.

En coreano, las partículas y terminaciones pueden escribirse unidas a otras unidades. Un tramo sin espacios puede contener varias funciones gramaticales. Dividir la cadena por separadores no identifica esas funciones ni determina cuántas entradas de diccionario contiene.

El resultado ordinario no necesita un modelo lingüístico descargado. Si lo usas para una actividad, nómbralo como eojeol o unidades separadas por espacios. Evita presentarlo como número de morfemas. Esa precisión hace que otra persona pueda repetir el recuento aun cuando discrepe sobre cómo analizar la frase.

Una modificación de espaciado puede cambiar el total de eojeol sin añadir ningún bloque coreano. La medida sirve para detectar esa modificación; no indica si la nueva separación es adecuada.

¿Los espacios permiten contar palabras coreanas?

Los espacios permiten contar unidades de espaciado, pero no todas las palabras lingüísticas. La entrada 한 글 produce dos secuencias y 한글 produce una. La diferencia procede del separador introducido, sin emitir un juicio sobre significado o escritura correcta.

Bajo la política predeterminada, las tabulaciones y saltos de línea también separan secuencias. El espacio de ancho cero U+200B no pertenece a Unicode White_Space, y U+FEFF tampoco. Insertar esos valores puede aumentar puntos de código sin aumentar eojeol.

Si el total parece demasiado bajo, comprueba la clase de separador que contiene el texto. Copiar desde un documento puede introducir espacios que se parecen a otros. La inspección permite distinguirlos y explicar el resultado. Sustituirlos puede ser apropiado para un destino concreto, pero exige comprobar antes su función.

Estimaciones de morfemas y unidades léxicas

Los recuentos ordinarios no deducen morfemas, lemas ni categorías gramaticales. Una estimación léxica necesita un analizador morfológico y una política sobre partículas, terminaciones, afijos y formas desconocidas. Sin esa información, una cifra con apariencia lingüística daría una precisión que el método no ofrece.

La frecuencia de superficie trabaja con eojeol y puede utilizar sensibilidad a mayúsculas, longitud mínima y una lista explícita de palabras excluidas. Para ese informe se retira la puntuación circundante. Las formas gramaticales unidas permanecen distintas cuando el texto las presenta distintas; no se convierten por defecto en una misma entrada de diccionario.

Si necesitas análisis lingüístico, conserva el total simple como referencia y exige que el resultado avanzado identifique modelo, reglas y posibles ambigüedades. Para un límite de formulario suele ser más relevante conocer bytes o caracteres que obtener una estimación de morfemas. La siguiente medida responde a esa necesidad de almacenamiento.

¿Cuántos bytes ocupa el texto coreano?

Una sílaba hangul moderna precompuesta ocupa tres bytes en UTF-8. Esa regla no sirve para cada elemento de una cadena coreana ni para cualquier codificación: los espacios ASCII, las letras españolas, los jamo combinantes y los emojis tienen representaciones distintas.

UTF-8 utiliza un byte para ASCII, dos para valores entre U+0080 y U+07FF, tres para la mayoría de los demás valores del plano básico y cuatro para valores suplementarios. La longitud total resulta de sumar los bytes codificados de cada valor. Multiplicar todo el número de grafemas por tres puede dar un resultado equivocado en texto mixto.

El contador utiliza TextEncoder para producir la longitud UTF-8. Un sustituto aislado es una secuencia Unicode mal formada; el codificador lo reemplaza por U+FFFD, que ocupa tres bytes, y la inspección señala el original problemático. Conviene comprobar esa situación antes de atribuir una diferencia a una sílaba.

El nombre de la codificación debe acompañar al resultado. «Bytes» sin UTF-8, EUC-KR o una política definida deja incompleta la medición. Un contador de bytes hangul ayuda cuando muestra tanto el total como los valores que el formato de destino no puede representar.

UTF-8, EUC-KR estricto y CP949

EUC-KR estricto utiliza en esta herramienta ASCII y pares asignados de KS X 1001. Su repertorio incluye 2.350 sílabas hangul modernas. La correspondencia web WHATWG EUC-KR, asociada habitualmente a las extensiones CP949, admite un conjunto más amplio. Los nombres se distinguen para evitar intercambiar resultados.

El texto 한글 ocupa cuatro bytes en ambas correspondencias, frente a seis bytes UTF-8. La sílaba técnica 힣 no se puede representar en el repertorio estricto, mientras la correspondencia web la codifica mediante el par hexadecimal C6 52. El emoji 😀 no se puede codificar en ninguno de esos dos formatos heredados.

La tabla EUC-KR del estándar WHATWG documenta la correspondencia web. Cuando aparece un valor no admitido, el informe señala el valor y su posición y no presenta un total exacto válido. El destino podría aplicar otra correspondencia o una sustitución: comprueba sus reglas antes de confiar en una comparación entre nombres parecidos.

Convenciones de dos bytes y caracteres no admitidos

La convención aproximada de un byte para ASCII y dos para otros valores es una estimación separada. Puede ayudar a comparar un formulario que use esa regla, pero no prueba que una codificación heredada admita el texto. Aplicarla a un emoji da dos bytes estimados aunque EUC-KR y CP949 no puedan representarlo.

La simulación opcional con reemplazo utiliza un signo de interrogación para valores no admitidos y etiqueta el resultado como una transformación con pérdida. No es el tamaño de una codificación exacta del original. Copiar esa versión puede eliminar información, así que revisa cada sustitución.

Un valor no admitido tampoco justifica borrar toda la cadena. Puedes localizarlo, comprobar si una normalización permitida lo resuelve y valorar otro formato de entrega. Los ejemplos siguientes muestran cómo conservar el original mientras comparas unidades y decisiones concretas.

Ejemplos con hangul y emojis

Los ejemplos siguientes utilizan la política Unicode White_Space y conservan la entrada original. Cada caso incluye resultado, explicación y decisión práctica para que puedas repetir la comparación.

Caso 1: bloques precompuestos. La entrada 한글 tiene dos grafemas, dos puntos de código, dos unidades UTF-16, seis bytes UTF-8 y un eojeol. Los bloques se almacenan por separado y no hay espacios entre ellos. Un máximo de dos grafemas se cumple exactamente; un máximo de cinco bytes UTF-8 se supera en uno. Elige la unidad del destino antes de resumir la conclusión.

Caso 2: composición canónica. La entrada 가 tiene un grafema, dos puntos de código y seis bytes UTF-8. La vista NFC produce 가, con un grafema, un punto de código y tres bytes. La forma segmentada se mantiene, mientras cambia el almacenamiento. Compara ambas versiones y aplica la transformación únicamente cuando corresponda.

Caso 3: salto de línea. Un bloque 한, un salto CRLF y otro bloque 글 forman tres grafemas, cuatro puntos de código, ocho bytes UTF-8, dos eojeol y dos líneas. Con LF quedan tres puntos de código y siete bytes, manteniendo grafemas y líneas. Inspecciona el archivo si importa saber cuál era el delimitador original.

Caso 4: emoji unido. La entrada 👨‍👩‍👧‍👦 contiene un grafema, siete puntos de código, once unidades UTF-16 y veinticinco bytes UTF-8. Los componentes se unen mediante caracteres de ancho cero. Un límite que mide grafemas puede aceptarlo como uno; otro que mide almacenamiento obtiene una cifra mayor. Eliminar los conectores altera su estructura.

Como ejercicio, compara cada caso con y sin espacios y registra la unidad junto al número. Un resultado completo permite decidir si el texto cabe, que es el objetivo del siguiente paso.

¿Cómo se comprueba un límite de caracteres o bytes?

Selecciona la unidad, introduce el objetivo y compara el uso con el espacio restante. La fórmula es restante = objetivo − usado; el exceso es máximo(0, usado − objetivo). La igualdad significa que alcanzaste el límite, sin que el contador recorte contenido.

Con un objetivo de cien y un uso de ochenta quedan veinte unidades. Esa conclusión solo tiene sentido si ambas cifras corresponden a la misma medida. Un objetivo de caracteres no controla automáticamente los bytes de una codificación.

Los valores predefinidos para tareas, títulos o descripciones son ejemplos editables. No garantizan aceptación por una institución ni una anchura concreta en resultados de búsqueda. Del mismo modo, dividir grafemas entre doscientos estima páginas de manuscrito, pero no reproduce la colocación de signos, párrafos o finales de línea.

Mantén el objetivo durante la edición y vuelve a medir la versión final. Si cambias la unidad a mitad del proceso, revisa el límite seleccionado antes de interpretar el aviso.

Ajustes del destino y saltos de línea

Un resultado reproducible incluye unidad, objetivo, tratamiento de espacios, normalización y política de saltos. Copia esas opciones en el informe cuando compartas una discrepancia. Los enlaces que contienen únicamente ajustes no incorporan el texto pegado; comprueba qué estás compartiendo antes de enviarlo.

Los saltos CRLF y LF pueden tener la misma apariencia y distinto tamaño. Un sistema que normaliza saltos antes de validar produce otro resultado que uno que conserva la entrada. La etiqueta del texto original o derivado ayuda a distinguir las dos situaciones.

Las medidas de longitud ponderada de plataformas son políticas concretas, no equivalentes universales de caracteres. Los ejemplos de SMS y límites de bytes también son objetivos de planificación editables: la codificación del operador y sus reglas de entrega pueden variar. Utiliza el formulario real como comprobación final y conserva el informe para explicar tus ajustes.

Archivos, transformaciones y borradores privados

La vista Archivos permite seleccionar documentos TXT, Markdown, JSON y CSV en tu dispositivo. El texto sin procesar es la referencia inicial. Extraer valores de cadenas JSON o celdas CSV cambia la fuente contada: elimina parte de la sintaxis de serialización y une los elementos mediante saltos de línea.

La transformación ofrece una vista previa antes de aplicar NFC, conversión de saltos o cambios de mayúsculas y separadores. El hangul no tiene mayúsculas latinas; las letras españolas con acentos conservan su identidad. Revisa especialmente las conversiones para nombres de código, que pueden cambiar espacios y puntuación.

El texto no se guarda automáticamente. La acción de guardar localmente utiliza almacenamiento del navegador; cargarlo y eliminarlo son acciones independientes. Borrar el editor no equivale necesariamente a eliminar una copia guardada. Descarga una copia de lo que necesites conservar, porque el navegador puede limpiar o impedir ese almacenamiento.

El permiso del portapapeles puede fallar sin impedir el recuento. Utiliza selección manual o descarga el informe si la copia automática no está disponible. Los resultados de archivos necesitan además distinguir datos originales y texto decodificado.

¿Por qué el tamaño de un archivo difiere del de su texto?

El tamaño de un archivo puede incluir una marca de orden de bytes, otra codificación o sintaxis que la extracción no cuenta. Por eso los bytes originales del archivo no equivalen necesariamente a los bytes UTF-8 de su texto decodificado. El informe separa esas magnitudes y la versión normalizada.

Una extracción JSON puede excluir claves y signos; una extracción CSV puede excluir separadores de serialización. Comparar ese texto con el tamaño del documento completo mide fuentes distintas. Anota la extracción elegida y evita interpretar la diferencia como una pérdida accidental.

Los totales suman resultados por archivo sin insertar separadores nuevos entre documentos. Los límites de selección son cien archivos, quinientos megabytes en total y cien por archivo, con límites menores para algunas extracciones. Un error de decodificación corresponde al archivo afectado; revisa sus opciones sin descartar los resultados correctos de otros documentos.

¿Cuándo conviene utilizar otra herramienta?

Utiliza otra herramienta cuando necesites evaluar ortografía, gramática, pronunciación o calidad de una redacción. El contador mide extensión y diferencias entre unidades. Cumplir un máximo no demuestra que una frase sea adecuada ni que una tarea merezca determinada nota.

La práctica de escritura de hangul ayuda a formar bloques legibles antes de comprobar la longitud. Para comprender la composición almacenada, consulta hangul en Unicode. La medición complementa esas explicaciones cuando necesitas verificar un documento terminado.

La importación avanzada de voz, imágenes o PDF también requiere comprobar el texto extraído. Una transcripción puede omitir una palabra y aun así producir un recuento exacto de la versión equivocada. Corrige primero el contenido y después aplica la misma política de medida. El reconocimiento de voz no evalúa pronunciación.

Tres hábitos mejoran el diagnóstico: conserva el original, cambia una regla por vez y entrega el número con su unidad. La inspección de valores invisibles completa ese procedimiento.

Revisa los caracteres invisibles antes de eliminarlos

Revisa nombre y posición de espacios inseparables, caracteres de ancho cero, marcas de orden de bytes, conectores, selectores de variante y controles direccionales. Algunos cumplen una función necesaria. Su falta de dibujo no los convierte en errores.

Los conectores del emoji familiar mantienen unido el grupo; eliminarlos cambia la presentación. Un espacio inseparable puede impedir un salto que el documento necesita. Un control direccional requiere entender el contexto del texto antes de modificarlo.

Selecciona una transformación concreta, compara su diferencia de bytes y puntos de código y revisa la vista previa. Aplicar una limpieza general puede reducir el número mientras altera el contenido. Conserva una copia descargada cuando necesites volver al archivo original después de cerrar la página.

Preguntas frecuentes

Fuentes del contador de caracteres coreanos y práctica

El contador de caracteres coreanos utiliza segmentación de grafemas del navegador, iteración de puntos de código y TextEncoder para UTF-8. Las reglas de segmentación Unicode explican los límites de grafemas; la normalización Unicode define NFC. La implementación del navegador puede influir en la segmentación de secuencias recientes.

Cuando un destino devuelve otra cifra, compara primero unidad, espacios y saltos, y después la versión original con la normalizada. Guarda un informe pequeño y reproducible. Si comunicas una discrepancia mediante el canal de correcciones del sitio, comparte únicamente un ejemplo que quieras revelar.

Para practicar, escribe una entrada corta, fija un objetivo y repite el recuento después de una modificación deliberada. Comprueba qué medida cambió y explica por qué. Llevar la política junto al número convierte el contador de caracteres coreanos en una ayuda concreta para escribir y entregar texto.