Contadores de palavras básicos dependem de expressões regulares simples de espaços em branco (\s+), que falham completamente em escritas logográficas como chinês, japonês e tailandês, onde as palavras não são delimitadas por espaços. Este contador de palavras usa Intl.Segmenter com detecção de limites de palavras sensível ao idioma:
Por exemplo, dado este trecho multilíngue:
Utiliome is fast & private 🚀!
Developer tools: 日本語のテキストと英語 (UTF-8).
O mecanismo de análise informa:
Words: 13
Characters (with spaces): 68
Characters (without spaces): 58
UTF-8 Bytes: 93
Sentences: 2
Paragraphs: 2
Observe que os bytes UTF-8 excedem a contagem de caracteres devido aos caracteres japoneses de múltiplos bytes e ao emoji de foguete, enquanto as palavras são segmentadas tanto pelos espaços do alfabeto latino quanto pelos limites de palavras em japonês.