Lirеin: #фанфикс #писанина Я чего-то не понимаю. Почему у фиков с одинаковым количеством слов разные килоба

#фанфикс #писанина

Я чего-то не понимаю. Почему у фиков с одинаковым количеством слов разные килобайты? Причем ощутимо разные. И еще сильнее не понимаю, почему у фика с большим количеством слов килобайтов меньше, чем у фика с меньшим количеством? С чем это связано?

4 февраля 2021

4 комментариев из 9

Показать ещё 5 комментариев

ArtChaos

4 февраля 2021

учитывайте, что есть разные «алфавиты» (обычному люду, а не учителям информатики, известные как кодировка), они имеют разное количество символов.

Допустим, в алфавите 256 символов — такой алфавит позволяет юзеру печатать почти все символы, которые есть на клаве и называется достаточным.

Значит, информационный вес одного символа в таком алфавите равен восьми битам (или одному байту), потому что 256 = 2⁸

А у нас ситуация с текстами несколько иная по двум причинам:

[1.] Хотя форма записи UTF-8 позволяет кодировать до 2²¹ (2 097 152) кодовых позиций, было принято решение использовать лишь 1 112 064 для совместимости с UTF-16. Впрочем, даже и этого в данный момент более чем достаточно — в версии 13.0 используется всего 143 859 кодовых позиций.

Помимо этого, надо учитывать, что UTF-8...

UTF-8 <...> — распространённый стандарт кодирования символов, позволяющий более компактно хранить и передавать символы Юникода, используя переменное количество байт (от 1 до 4) <...>

То есть например, обычный пробел и неразрывный пробел, хотя они для вас и выглядят одинаково, но в UTF-8 обычный пробел имеет вес в 1 байт, а неразрывный пробел — в 2 байта.
Ещё для примера:

" это 1 байт
« это 2 байта
„ это 3 байта
- это 1 байт
— это 2 байта
– это 3 байта

2. В оформлении текста на Фанфиксе мы все используем BBCode — те самые любимые всеми теги с квадратными скобками. Каждый из этих тегов тоже имеет вес. К примеру стандартная для нас конструкция [b.][./b] (за исключением точек, ессно) — весит 7 байт.

Следовательно, окончательный вес текста зависит от символов, напечатанных в тексте и их разметке — курсив это, полужирный шрифт или зачёркнутый — всё это влияет на информационный вес текста.

Вероятно, здесь есть ещё подводных камней, но об этом знает Реф.

Показать полностью

	FluktLight 4 февраля 2021
BrightOne Кириллица идет по два байта... Обычно. Без всяких извращений.

	Гламурное Кисо 4 февраля 2021
Потому что правильнее смотреть не на количество слов, а на количество знаков 2

	Lirеin 4 февраля 2021
ArtChaos Благодарю за подробное разъяснение! Гламурное Кисо Да, верно, знаков получилось больше. 1