UCS-2 — это 16-битная кодировка, используемая, когда сообщение содержит символы вне алфавита GSM-7; оно допускает 70 символов на сообщение (67 на часть), поэтому нелатинский текст стоит примерно в два раза больше сегментов.
В UCS-2 каждый символ занимает два байта, поэтому в 140-байтовую полезную нагрузку SMS помещается 70 символов, а в часть составного сообщения, где своё место занимает заголовок, — 67. Кодировка применяется ко всему сообщению, а не к его части: если хотя бы одного символа нет в таблицах GSM-7, в UCS-2 кодируется всё сообщение, включая обычные латинские буквы, и каждая из них теперь занимает два байта.
Строго говоря, UCS-2 охватывает только первые 65 536 символов Unicode. На практике телефоны и сети обрабатывают текст как UTF-16 — расширение UCS-2, поэтому символы за пределами этого диапазона тоже передаются, в виде пары 16-битных единиц. К ним относится большинство эмодзи, и поэтому одно эмодзи обычно занимает два из 70 мест.
Тексты на кириллице, арабском, иврите, деванагари, тайском, китайском, японском и корейском всегда передаются в UCS-2. Более дешёвого способа их отправить нет, поэтому кампании для таких аудиторий лучше планировать блоками по 70 символов или по 67 на часть. В латинском тексте UCS-2 почти всегда возникает случайно: из-за типографского апострофа, вставленного из текстового редактора, маркера списка, неразрывного пробела или эмодзи.
Допустим, условное напоминание о записи занимает 120 символов. На русском языке это UCS-2 и два сегмента: 67 + 53. На английском с прямыми кавычками это GSM-7, и текст помещается в один сегмент. Если же вставить английский вариант из текстового редактора, который превращает can't в can’t, получится 120 символов UCS-2 — снова два сегмента из-за одного символа, которого никто не замечает. Как это сказывается на стоимости, разобрано в статье о типографском апострофе, который удвоил стоимость кампании.
Стоит развеять два заблуждения:
- Что латинское название бренда или ссылка в русском или арабском тексте обходятся дешевле. Всё сообщение закодировано в UCS-2, поэтому эти буквы занимают по два байта, как и остальные.
- Что эмодзи — это один символ. Большинство эмодзи занимают два из 70 мест, а некоторые — четыре и больше.
В SMSMeteor: сообщение в Unicode вмещает 70 символов, а составное — по 67 на часть, не более 6 частей. Редактор называет символ, из-за которого текст перешёл в Unicode, и предлагает замену одним нажатием для типографских кавычек, длинных тире, символа многоточия и специальных пробелов. API отправляет текст ровно в том виде, в каком он передан, и возвращает ucs2 в поле encoding вместе с числом сегментов segments.
