UCS-2 是消息含有 GSM-7 以外字符时使用的 16 位编码,单条可容纳 70 个字符,拼接时每部分 67 个,因此非拉丁文本所需分段约为两倍。
UCS-2 为每个字符分配两个字节,因此 SMS 的 140 字节有效载荷只能容纳 70 个字符;拼接标头占去一部分空间后,每部分只能容纳 67 个。编码作用于整条消息,绝不会只作用于其中一部分:只要有一个字符不在 GSM-7 的字符表中,整条消息就会以 UCS-2 编码,普通拉丁字母也不例外,每个字母都要占两个字节。
严格来说,UCS-2 只涵盖前 65,536 个 Unicode 字符。实际上,手机和网络会把文本当作 UCS-2 的扩展形式 UTF-16 来处理,因此超出该范围的字符仍然可以传输,只是要用一对 16 位单元表示。大多数表情符号都属于这类字符,所以一个表情符号通常会占用 70 个位置中的两个。
西里尔文、阿拉伯文、希伯来文、天城文、泰文、中文、日文和韩文等文字始终使用 UCS-2。发送这些文字没有更便宜的办法,因此面向这些受众的群发最好以 70 个字符(拼接时每部分 67 个)为单位来规划。对拉丁文本而言,使用 UCS-2 几乎总是意外造成的:从文字处理软件粘贴来的弯撇号、项目符号、不换行空格或表情符号。
假设有一条 120 个字符的预约提醒。如果用俄文书写,它使用 UCS-2,需要两个分段,即 67 + 53。如果用英文书写并使用直引号,它使用 GSM-7,一个分段就能放下。如果英文版本是从文字处理软件中粘贴的,而软件把 can't 变成了 can’t,它就变成 120 个 UCS-2 字符:又是两个分段,原因只是一个没人注意到的字符。让群发费用翻倍的弯撇号一文详细讲述了费用方面的问题。
有两个误解值得纠正:
- 以为俄文或阿拉伯文文本中的拉丁字母品牌名称或链接会便宜一些。整条消息都是 UCS-2,因此这些字母和其余字符一样占两个字节。
- 以为一个表情符号就是一个字符。大多数表情符号占用 70 个位置中的两个,有些占用四个或更多。
在 SMSMeteor:Unicode 消息单条可容纳 70 个字符,拼接时每部分 67 个,最多 6 个部分。编辑器会指出导致切换为 Unicode 的字符,并可一键替换弯引号、长破折号、省略号字符和特殊空格。API 完全按提交的内容发送文本,以 ucs2 作为 encoding 的值返回,同时报告分段数 segments。
