Comprobador GSM-7 / Unicode.

GSM-7 es el alfabeto predeterminado de 7 bits del estándar GSM 03.38. Su tabla básica cubre letras latinas mayúsculas y minúsculas, dígitos, puntuación común y un pequeño conjunto europeo. Cada carácter básico ocupa una unidad de 7 bits, por lo que un solo SMS contiene 160 de ellos.

Un pequeño conjunto de caracteres — el signo del euro y corchetes, llaves, barra invertida, tilde, circunflejo y barra vertical ( € { } [ ] ~ | ^ \ ) — viven en la tabla de extensión de GSM-7. Siguen siendo GSM-7, pero cada uno se envía como un carácter de escape más el carácter en sí, por lo que cuenta como dos unidades en lugar de una.

Cualquier carácter fuera de las tablas básica y de extensión de GSM-7. Los culpables habituales son las comillas tipográficas, los guiones largos, el carácter de puntos suspensivos, muchas letras acentuadas, y cualquier emoji, carácter árabe, cirílico o CJK. Uno solo de estos caracteres en cualquier lugar cambia todo el mensaje a codificación de doble byte.

El SMS usa una sola codificación por mensaje. Si incluso un carácter no se puede representar en GSM-7, todo el mensaje debe enviarse como UCS-2 para que ese carácter sobreviva. Eso reduce el presupuesto por segmento de 160 a 70 caracteres, por lo que una comilla tipográfica perdida puede duplicar o triplicar su recuento de segmentos.

La calculadora de segmentos informa la codificación, el número de segmentos y el coste de todo un mensaje. Este comprobador va carácter por carácter para que pueda identificar exactamente los caracteres problemáticos, reemplazarlos y devolver el mensaje a GSM-7. Úselos juntos.