一般的な単語カウンターは単純な空白の正規表現(\s+)に依存しているため、中国語、日本語、タイ語のように単語をスペースで区切らない表語文字や言語では正しく機能しません。この単語カウンターは、言語に応じた単語境界検出を備えた Intl.Segmenter を使用しています。
たとえば、次の多言語テキストを入力した場合:
Utiliome is fast & private 🚀!
Developer tools: 日本語のテキストと英語 (UTF-8).
解析エンジンは以下のように出力します:
Words: 13
Characters (with spaces): 68
Characters (without spaces): 58
UTF-8 Bytes: 93
Sentences: 2
Paragraphs: 2
マルチバイトの日本語文字やロケットの絵文字が含まれるため、UTF-8 バイト数が文字数を上回っている一方、単語数は欧文のスペースと日本語の語境界の両方で正確に分割されていることがわかります。