Contador de caracteres e segmentos de SMS

Parte de: SMS A2P, do primeiro código à produção

Como funcionam a codificação e os segmentos de SMS

Um SMS é enviado em um ou mais segmentos, e sua codificação decide quanto texto cabe em cada um. Uma mensagem escrita apenas com caracteres do alfabeto GSM 7-bit usa a codificação GSM-7, que comporta o maior número de caracteres por segmento. Um caractere fora desse alfabeto, como um emoji, uma aspa tipográfica ou um caractere chinês, muda a mensagem inteira para UCS-2, que comporta menos da metade. Mensagens mais longas são divididas em vários segmentos que o aparelho remonta.

O alfabeto GSM 7-bit cobre letras latinas sem acento, dígitos, pontuação comum e um conjunto de letras acentuadas usadas em línguas da Europa Ocidental. Alguns símbolos, incluindo o sinal de euro, colchetes e chaves, a barra invertida, o circunflexo, o til e a barra vertical, ficam em uma tabela de extensão, e cada um ocupa o espaço de dois caracteres. Todo o resto está fora do GSM-7, incluindo a maioria das letras acentuadas usadas em espanhol e português, como á, ó, ã e ç.

Quando uma mensagem é longa demais para um segmento, cada parte carrega um pequeno cabeçalho que diz ao aparelho como remontar a mensagem. Esse cabeçalho ocupa espaço de cada parte, então uma mensagem longa comporta menos caracteres por segmento do que uma única, e acrescentar um caractere a uma mensagem que cabia por pouco pode adicionar um segmento inteiro. Uma parte também nunca divide um caractere que ocupa duas posições, o que pode deixá-la com uma posição a menos.

Cada segmento é entregue e contado por si só, então a codificação e o comprimento de um modelo importam para cada mensagem de uma campanha. A surpresa mais comum é um modelo que parece simples, mas carrega caracteres tipográficos colados de um editor de texto: aspas tipográficas, travessões, espaços não separáveis ou caracteres invisíveis de largura zero. Substituí-los por seus equivalentes simples mantém a mensagem em GSM-7 sem alterar o texto.

Mensagens em chinês, árabe, cirílico e outras escritas não latinas são sempre UCS-2, então planeje o comprimento delas com isso em mente; a maioria dos emojis ocupa duas posições, mesmo em UCS-2. Algumas redes também substituem caracteres ou dividem mensagens longas do seu próprio jeito, então trate a contagem como estimativa e teste modelos importantes na rota que você usa.