텍스트 분할

붙여넣을 곳이 세는 방식이 다르기 때문입니다. 문자 메시지(SMS·LMS)는 EUC-KR 바이트로 세서 한글 한 자가 2바이트, 90바이트면 한글 45자입니다. X(트위터)는 한글·한자를 2점, 영문·숫자를 1점으로 세고 280점이 한도입니다. 자기소개서나 게시판은 대개 글자 수 그대로 셉니다. 데이터베이스 컬럼 길이는 UTF-8 바이트인 경우가 많아 한글 한 자가 3바이트입니다. 같은 글이 어디서는 넘치고 어디서는 남는 이유가 이것입니다.

실제 대응표로 셉니다. 흔한 계산기들은 "ASCII 는 1바이트, 나머지는 전부 2바이트"로 어림하는데, 그러면 EUC-KR 에 아예 없는 글자(이모지, 중국 간체자, 워드에서 붙여넣은 — 같은 줄표)도 2바이트로 세어 버립니다. 이 도구는 그런 글자를 찾아내 "문자 메시지에서 물음표가 되거나 MMS 로 넘어간다"고 알려 줍니다.

포함됩니다. 그게 이 기능의 핵심입니다. 번호를 붙인 뒤 한도를 넘으면 조각을 나눈 의미가 없기 때문입니다. 다만 번호의 길이는 전체 조각 수에 달렸고 전체 조각 수는 번호의 길이에 달려 있어서, 조각 수를 가정하고 잘라 본 뒤 가정이 맞는지 확인하는 과정을 반복합니다. 조각이 9개에서 10개로 넘어가면 번호가 한 자리 길어지고 그만큼 본문이 줄어듭니다.

한도에 닿은 자리에서 뒤로 물러서며 문장 끝, 줄바꿈, 띄어쓰기 순으로 찾습니다. 문장 끝은 그 조각 길이의 절반까지, 줄바꿈과 띄어쓰기는 30%까지 물러섭니다. 문장을 지키는 값이 더 큰 이유는 문장 가운데서 끊긴 글은 읽는 사람이 다시 붙여 읽어야 하기 때문이고, 대신 조각이 절반까지 빌 수 있다는 것이 대가입니다. 그 범위 안에 아무것도 없으면(띄어쓰기 없이 이어진 글) 한도에서 그대로 자르고, 조각마다 어디서 잘랐는지 적어 둡니다.

쪼개지지 않습니다. 이모지는 대부분 두 조각으로 저장되고 가족 이모지처럼 여러 개가 이어 붙은 것도 있는데, 그 사이에서 자르면 깨진 글자가 됩니다. 서로게이트 쌍, 결합 문자, 이모지 결합자(ZWJ), 모양 선택자 앞에서는 한 칸 더 물러서서 자릅니다.

글자는 그대로지만 자른 자리의 공백은 사라집니다. 조각마다 앞뒤 공백을 정리하기 때문입니다. 조각을 각각 다른 곳에 붙여넣는 용도라 그렇게 했습니다. 원문을 그대로 보존해야 한다면 원본을 따로 두세요.