Les compteurs de mots basiques reposent sur de simples expressions régulières d'espacement (\s+), qui échouent totalement sur les écritures logographiques comme le chinois, le japonais et le thaï où les mots ne sont pas séparés par des espaces. Ce compteur de mots utilise Intl.Segmenter avec une détection des limites de mots adaptée à la langue :
Par exemple, avec cet extrait multilingue :
Utiliome is fast & private 🚀!
Developer tools: 日本語のテキストと英語 (UTF-8).
Le moteur d'analyse rapporte :
Words: 13
Characters (with spaces): 68
Characters (without spaces): 58
UTF-8 Bytes: 93
Sentences: 2
Paragraphs: 2
Notez que le nombre d'octets UTF-8 dépasse le nombre de caractères en raison des caractères japonais multi-octets et de l'émoji fusée, tandis que les mots sont segmentés à la fois selon les espaces latins et les limites lexicales japonaises.