میکرو وبلاگ

دستورالعمل‌ها

شما شکافی در بازار شبکه‌های اجتماعی برای پست‌های بسیار بسیار کوتاه پیدا کرده‌اید. حالا که Twitter پست‌های ۲۸۰ کاراکتری را مجاز کرده است، به افرادی که دنبال به‌روزرسانی‌های سریع در شبکه‌های اجتماعی هستند خدمتی ارائه نمی‌شود. تصمیم می‌گیرید شبکه‌ی اجتماعی خودتان را بسازید.

برای اینکه محصولتان قابل‌توجه باشد، راه افراط را در پیش می‌گیرید و فقط پست‌های ۵ کاراکتری یا کمتر را مجاز می‌کنید. هر پستی که بیش از ۵ کاراکتر باشد باید به ۵ کاراکتر بریده شود.

برای اینکه کاربرانتان بتوانند خودشان را کامل بیان کنند، ایموجی و دیگر کاراکترهای یونیکد را مجاز می‌کنید.

وظیفه این است که رشته‌های ورودی را به ۵ کاراکتر برش دهید.

کدگذاری متن

متنی که به‌صورت دیجیتال ذخیره می‌شود باید به مجموعه‌ای از بایت‌ها تبدیل شود. سه روش رایج برای نگاشت کاراکترها به بایت وجود دارد.

• ASCII می‌تواند کاراکترهای زبان انگلیسی را کدگذاری کند. همه‌ی کاراکترها دقیقاً ۱ بایت هستند.
• UTF-8 یک کدگذاری متن یونیکد است. کاراکترها بین ۱ تا ۴ بایت را اشغال می‌کنند.
• UTF-16 یک کدگذاری متن یونیکد است. کاراکترها یا ۲ بایت‌اند یا ۴ بایت.

UTF-8 و UTF-16 هر دو کدگذاری‌های یونیکد هستند، یعنی می‌توانند طیف عظیمی از کاراکترها را نمایش دهند، از جمله:

• متن در بیشتر زبان‌ها و خط‌های جهان
• متن‌های تاریخی
• ایموجی

UTF-8 و UTF-16 هر دو کدگذاری‌هایی با طول متغیر هستند، یعنی کاراکترهای مختلف فضای متفاوتی را اشغال می‌کنند.

حرف «a» و ایموجی «😛» را در نظر بگیرید. در UTF-16 حرف ۲ بایت را اشغال می‌کند اما ایموجی ۴ بایت.

نکته‌ی این تمرین استفاده از APIهایی است که حول کاراکترهای یونیکد (کدپوینت‌ها) طراحی شده‌اند، نه حول واحدهای کد یونیکد.