Limite de caracteres do SMS: GSM-7 vs Unicode

O limite de caracteres de uma única mensagem SMS é de 160 caracteres na codificação GSM-7 ou de 70 caracteres em Unicode (UCS-2). Mensagens mais longas são divididas em segmentos de 153 caracteres GSM-7 ou 67 Unicode, e cada segmento é cobrado como um SMS. Um único caractere fora do alfabeto GSM-7, como um emoji ou aspas curvas, passa a mensagem inteira para Unicode.

Por que os limites são 160 e 70

A carga útil de um SMS é de 140 bytes (1.120 bits). A codificação define quantos caracteres cabem:

Em uma mensagem longa, cada segmento leva um cabeçalho de 6 bytes (UDH) que diz ao celular como juntar as partes, e por isso os limites por segmento são menores. Como isso funciona está em SMS longo (concatenado) explicado.

O que está no alfabeto GSM-7

O GSM-7 cobre as letras latinas básicas, os dígitos, a pontuação comum e algumas letras acentuadas usadas em idiomas da Europa Ocidental, como é, è, ü, ñ e à. Ele não inclui muitas outras letras acentuadas (por exemplo á, í, ó, ú, ê ou õ), nem cirílico, árabe, chinês ou qualquer emoji. Algumas letras gregas maiúsculas estão incluídas, herança do padrão original.

Alguns caracteres pertencem à tabela de extensão e ocupam o espaço de dois caracteres cada um, porque são enviados com um código de escape:

• ^ { } \ [ ] ~ | e o símbolo do euro

Uma mensagem com cinco símbolos do euro tem, portanto, espaço para 155 caracteres, não 160.

O que ativa o Unicode

Se um único caractere não estiver no GSM-7, a mensagem inteira é enviada em UCS-2 e o limite cai de 160 para 70. Gatilhos acidentais comuns:

• Aspas e apóstrofos curvos copiados de editores de texto (use os retos ' e ")
• Travessões longos e o caractere de reticências (use um hífen e três pontos)
• Espaços não separáveis e caracteres de largura zero vindos de formulários web
• Emojis, que em UCS-2 muitas vezes ocupam duas posições de caractere cada
• Letras fora do alfabeto, como o ł polonês ou o ş turco

Uma mensagem em inglês de 150 caracteres com um apóstrofo curvo vira três segmentos em vez de um. Em campanhas grandes, isso triplica o custo. A cobrança por segmento é explicada em como funciona o preço do SMS A2P.

Idiomas que precisam de Unicode

Árabe, russo, hindi, chinês, tailandês e muitas outras escritas sempre precisam de UCS-2, então 70 e 67 são os limites reais nesses casos. Algumas redes suportam tabelas de deslocamento de idioma nacional (definidas para turco, espanhol, português e vários idiomas da Índia) que mantêm a codificação de 7 bits com outro conjunto de caracteres, mas o suporte depende da rota e dos aparelhos, então não conte com isso sem testar.

Como definir a codificação no SMPP e no HTTP

• SMPP: o campo data_coding indica como a mensagem está codificada. 0 significa o alfabeto padrão do SMSC (muitas vezes GSM-7, mas algumas plataformas o tratam como Latin-1), 8 significa UCS-2. Pergunte ao seu fornecedor qual padrão ele usa, porque uma incompatibilidade embaralha os caracteres. Veja SMPP vs HTTP API.
• HTTP APIs: normalmente você envia texto em UTF-8 e a plataforma escolhe a codificação. Verifique como ela conta os segmentos antes do lançamento.

Rejeições como data coding inválido ou tamanho de mensagem inválido estão listadas em códigos de erro SMPP comuns.

Dicas práticas

1. Passe o texto de saída por um sanitizador que substitua aspas curvas, travessões e caracteres invisíveis.
2. Conte os segmentos no seu sistema antes de enviar e registre-os, para poder conferir as faturas.
3. Mantenha OTP e alertas em um único segmento GSM-7. Veja boas práticas para SMS de OTP.
4. Teste caracteres especiais em aparelhos reais em cada país antes de uma campanha.

O VoIPMatcher obtém rotas SMS A2P que suportam tráfego GSM-7 e Unicode. Solicite uma rota SMS e informe os idiomas em que você envia.

Perguntas frequentes