Contatore di caratteri e segmenti SMS

Parte di: A2P SMS, dal primo codice alla produzione

Come funzionano la codifica e i segmenti degli SMS

Un SMS viene inviato in uno o più segmenti, e la sua codifica determina quanto testo entra in ciascuno. Un messaggio scritto solo con caratteri dell’alfabeto GSM a 7 bit utilizza la codifica GSM-7, che contiene il maggior numero di caratteri per segmento. Un solo carattere al di fuori di quell’alfabeto, come un’emoji, una virgoletta tipografica o un carattere cinese, converte l’intero messaggio in UCS-2, che ne contiene meno della metà. I messaggi più lunghi vengono suddivisi in più segmenti che il terminale ricompone.

L’alfabeto GSM a 7 bit comprende le lettere latine non accentate, le cifre, la punteggiatura comune e un insieme di lettere accentate usate nelle lingue dell’Europa occidentale. Alcuni simboli, tra cui il simbolo dell’euro, le parentesi quadre e graffe, la barra rovesciata, l’accento circonflesso, la tilde e la barra verticale, si trovano in una tabella di estensione e occupano ciascuno lo spazio di due caratteri. Tutto il resto è al di fuori del GSM-7, compresa la maggior parte delle lettere accentate usate in spagnolo e in portoghese, come á, ó, ã e ç.

Quando un messaggio è troppo lungo per un solo segmento, ogni parte contiene una piccola intestazione che indica al terminale come ricomporre il messaggio. Quell’intestazione sottrae spazio a ogni parte, quindi un messaggio lungo contiene meno caratteri per segmento rispetto a un messaggio singolo, e aggiungere un carattere a un messaggio che entra appena può aggiungere un intero segmento. Inoltre, una parte non divide mai un carattere che occupa due posizioni, e ciò può lasciarla più corta di una posizione.

Ogni segmento viene consegnato e conteggiato separatamente, quindi la codifica e la lunghezza di un modello contano per ogni messaggio di una campagna. Un modello dall’aspetto semplice può comunque contenere caratteri tipografici incollati da un programma di videoscrittura: virgolette tipografiche, trattini lunghi, spazi unificatori o caratteri invisibili a larghezza zero. Sostituirli con i loro equivalenti semplici mantiene il messaggio in GSM-7 senza modificarne il testo.

I messaggi in cinese, in arabo, in cirillico e in altri alfabeti non latini sono sempre in UCS-2, quindi è opportuno pianificarne la lunghezza tenendone conto; la maggior parte delle emoji occupa due posizioni ciascuna anche in UCS-2. Alcune reti, inoltre, sostituiscono caratteri o suddividono i messaggi lunghi a modo loro, quindi il conteggio va considerato una stima e i modelli importanti vanno provati sulla rotta utilizzata.