Twitterの最大文字数と最大バイト数の関係を調べてみた

つい最近、Twitterボットもどきを作ってました。

その時、ふとこんなことが気になったんです。

「最大文字数と最大バイト数ってどういう関係あるんだろ？」

ものすごく気になったので、色々調べてみました。

このページの目次

まず文字数カウントの基本ルールについて
ツイート文字数とバイト数の関係はこういう感じ
最大バイト数についてのまとめ
Twitter API を使うときはバイト数で考えない方がいい

まず文字数カウントの基本ルールについて

まず Twitter での文字数カウントのルールについて

従来までだと、英語圏とかは最大140字まででした。

でも2017年にこのルールは廃止、代わりに280字までOKになった訳です。

米Twitterは11月8日（日本時間）、英語などの言語で、ツイートできる文字数の上限を140文字から280文字に拡大した。日本語は対象外で、140文字制限のままだが、半角英数字や半角記号を含む場合、その部分は「1文字」ではなく「0.5文字」とカウントされるようになった。このため、日本語ツイートでも半角英数字を含む場合は、従来よりも多い文字数で投稿できる。

文字数制限の緩和は、英語やドイツ語など、日本語、中国語、韓国語を除く言語が対象。140文字から280文字に拡大した。

引用元 : Twitter、日本語ツイートでも英数字は「0.5文字分」に　残り文字数表示も変更

▲ツイート制限が280字に拡大されたときの記事

この記事でも書いてあるけど、特に注目すべきは次の３つのポイント

全角（日本語）だと140字制限は変わらず
半角（英語とか）のみ280字に拡大された
全角１文字　＝　半角２文字でカウント

これが基本的なルール

このルールをそのまま受け取ると、

「日本語１文字で半角２文字分か・・・」
「なら半角１文字１バイトだから最大280バイトってことでOK？」

うん、実を言うと僕もそう思い込んでました、でも大間違いです。

でも文字数だと簡単だけど、バイト数だとかなり複雑な問題になるみたいです。

ツイート文字数とバイト数の関係はこういう感じ

ツイートの最大バイト数、これは次の３パターンに分けて考える必要あり

全角（日本語）だけの場合
半角英数字だけの場合
半角・全角入り混じる場合

この３パターンで、最大バイト数は次みたいに計算できます。

１．ツイートが全角（日本語）だけの最大バイト数

まず日本語とかのマルチバイト文字を使った場合、UTF-8形式でツイートを記録してます。

▼実際 Twitterヘルプでもこういう風に書いてる

All Twitter attributes accept UTF-8 encoded text via the API. All other encodings must be converted to UTF-8 before sending them to Twitter in order to guarantee that the data is not corrupted.

引用元 : Counting Characters - Twitter Developer

▼この説明を超意訳するとこういう感じ

全てのTwitter的な要素はAPI経由でUTF-8エンコードされたテキストを受け取るよ。データが壊れるかもしれないから、UTF-8じゃないテキストは Twitter に送る前にUTF-8に変換しといてね。

つまり、普段見てるツイートは全部 UTF-8 ってことです。（Twitter以外でもほとんどそうだけど）

なので日本語１文字は UTF-8 だと３バイトになり、
そして日本語の最大文字数は 140字です。

つまり最大バイト数は 140 × 3 = 420バイト

バイト数にすると日本語はかなりバイト数使ってるんですね、、、

日本語・中国語・韓国語とかが140字までなのは、こういうデータ量的な事情があるのかも

２．ツイートが半角英数字だけの最大バイト数

これは計算するまでのなくすぐわかります。

半角英数字はUTF-8だろうが何だろうが、１文字１バイト、
そして半角だけの最大文字数は280字まで

つまり半角のみの最大バイト数は 280バイト

実は英語より短い日本語の方が、バイト数的には消費してます。

３．ツイートが日本語と半角ごちゃ混ぜの最大バイト数

厄介なのは、全角・半角が混ざってる時

さっきも説明したみたいに、文字数カウントのルールは、

全角１文字　＝　半角２文字分
日本語は140文字まで、半角は280字まで

こういうルールでした。

これを踏まえると、バイト数は次のように考えることが可能

最小 : 281バイト
１文字だけ全角(=3byte)でそれ以外が半角(=278byte)の場合
最大 : 418バイト
１文字だけ半角(=1byte)でそれ以外が全角（=3*139 = 417bytes）の場合

含まれる半角・全角の文字数によって変わります。

つまり最大バイト数は・・・

大体 281バイト～ 418バイトまでのあいだ

半角・全角が含まれれてると、「最大バイト数はコレ！」とは断言できません。

最大バイト数についてのまとめ

ということで、ツイートの最大バイト数まとめ

ツイートが日本語のみの場合
日本語１文字はUTF-8だと３バイトなので、3 × 140 = 420バイト
ツイートが半角文字だけの場合
半角英数字は１文字１バイトなので、1 × 280 = 280バイト
ツイートが全角・半角混じってる場合
最大バイト数は断言できない。大体 281バイト～ 418バイトまでのあいだ

バイト数で考えると、かなりメンドクサイ・・・

Twitter API を使うときはバイト数で考えない方がいい

こっからは完全に蛇足パート

今解説したみたいに、ツイートはバイト数で考えるとスゴク複雑です。

なのでもし Twitter API とかを使ってるなら、
ツイート投稿はバイト数より、文字数で考えた方が楽だと思います。

例えばTwitterボットを作りたいなら、Twitter OAuth を使うこと多いです。

以下PHPで自動ツイートしてるコード例

$CK = 'xxxxxxxxxx';  /// Consumer API Key
$CS = 'xxxxxxxxxx';  /// Consumer API Secret
$AT = 'xxxxxxxxxx';  /// Access Token
$AS = 'xxxxxxxxxx';  /// Access Token Secret
$bot = new TwitterOAuth( $CK, $CS, $AT, $AS );

$tweet = 'ボットからの初ツイート';

$bot->post(
  'statuses/update',
  array( 
    'status' => $tweet 
  )
);

$CK = 'xxxxxxxxxx'; /// Consumer API Key

$CS = 'xxxxxxxxxx'; /// Consumer API Secret

$AT = 'xxxxxxxxxx'; /// Access Token

$AS = 'xxxxxxxxxx'; /// Access Token Secret

$bot = new TwitterOAuth( $CK, $CS, $AT, $AS );

$tweet = 'ボットからの初ツイート';

$bot->post(

'statuses/update',

array(

'status' => $tweet

)

);

こういう自動投稿をしたいとき、バイト数で数えるとドツボにハマります。

だって日本語２バイト、半角１バイトみたいな考え方ができないので

なのでもし「ツイートの全角とか半角に関係なく、最大文字数でツイートしたい」・・・みたいな場合は半角基準で文字数をカウントするのがベスト！

ちなみにPHPの場合、 mb_strwidth 関数を使えば、
半角を１文字で、全角を２文字分としてカウントできてものすごく便利です。

これを使うと、半角・全角が入り混じったツイートでも対応可能

/// 例えば最大文字数でつぶやきたいなら...
$tweet = '';
while ( mb_strwidth($tweet, 'UTF-8') <= 280 ) {
  $tweet .= 'あa';
}

/// ツイート
$bot->post(
  'statuses/update',
  array( 
    'status' => $tweet 
  )
);