Contar texto chino: caracteres, palabras, signos y espacios

Una tarea de chino que exige un número de caracteres y un presupuesto de traducción basado en palabras pueden medir cosas distintas. En chino normalmente no hay espacios entre todas las palabras, por lo que contar fragmentos separados por espacios no proporciona un total de palabras útil.

Antes de contar, confirma la medida solicitada. ¿El límite incluye puntuación, letras latinas, cifras, espacios, títulos y referencias? Un cálculo puede ser exacto y, aun así, no servir para la entrega si cuenta un conjunto de caracteres diferente.

Un ejemplo con varios totales correctos

Utiliza esta muestra de una sola línea, con un espacio normal antes del año:

你好，China 2026!

La puntuación está formada por la coma china y el signo de exclamación. Ambos son caracteres, pero ninguno pertenece al recuento exclusivo de Hanzi. Una regla que excluya la puntuación dará, por tanto, un resultado distinto de otra que solo excluya los espacios.

Una palabra china puede tener varios caracteres

学习中文 contiene cuatro caracteres chinos. En una lectura habitual se puede segmentar en 学习 y 中文. La segmentación depende del idioma y del contexto; dividir el total de caracteres entre una longitud media supuesta no convierte un contador de caracteres en uno de palabras.

En un presupuesto de traducción, confirma si se cobran caracteres del original, palabras de la traducción u otra unidad expresamente indicada. Conserva esa definición junto al presupuesto para evitar que las partes comparen totales distintos al entregar.

Los caracteres visibles y el almacenamiento son medidas distintas

Algunos símbolos visibles contienen varios puntos de código Unicode. Un emoji con modificador o una letra seguida de un acento combinante puede parecer un solo carácter. Un programa que cuente unidades de almacenamiento puede dar un resultado distinto de otro que cuente grupos de caracteres visibles.

La longitud en bytes es otra medida. La muestra anterior ocupa 20 bytes en UTF-8 sin marca de orden de bytes ni salto de línea, aunque muestra catorce caracteres. No se puede comprobar un límite de bytes suponiendo que cada carácter visible ocupa un byte.

Acordar qué partes se incluyen

Una entrega puede contener título, encabezados, cuerpo y bibliografía. Si el límite solo se aplica al cuerpo, pegar todo el documento en un contador selecciona un ámbito incorrecto aunque cuente bien cada carácter. Deja claro el alcance en lugar de cambiar el método hasta obtener un resultado inferior al límite.

En presupuestos o entregas, registra tanto la medida como las secciones incluidas. «Solo el cuerpo, sin espacios en blanco y con puntuación» permite reproducir el cálculo. «Unas mil palabras chinas» ayuda mucho menos si una parte cuenta Hanzi y la otra palabras segmentadas o todos los caracteres visibles.

No borres puntuación para reducir el total salvo que la regla receptora la excluya. Los lectores necesitan esos signos como parte del texto. Contarlos por separado permite explicar diferencias entre resultados sin modificar el escrito que vas a entregar.

Revisar el texto que mezcla idiomas

Un párrafo chino puede incluir un código de producto, un nombre en letras latinas, una fecha y un emoji. El resultado de solo Hanzi deja fuera gran parte de esos elementos. Es útil para una finalidad, pero no necesariamente para comprobar un formulario que limita la longitud de todo el campo. Elige la medida correspondiente al límite indicado.

Considera é. Puede representarse mediante un punto de código Unicode precompuesto o mediante e seguido de un acento agudo combinante. Ambas formas pueden verse como un carácter, pero tienen cantidades de puntos de código y longitudes UTF-8 diferentes. Así se explica que dos definiciones técnicas den resultados distintos sin que los cálculos sean arbitrarios.

Los saltos de línea y los espacios copiados también generan diferencias. La muestra de este artículo no tiene salto de línea final. Añadirlo cambia el texto almacenado y sus bytes, aunque pase inadvertido al final de un campo. Ante un límite de bytes, comprueba el valor exacto que se enviará, incluidos los separadores exigidos por el formato.

Cambiar solo la fuente no cambia los caracteres subyacentes. Una letra estrecha y un carácter chino ancho pueden contar como un carácter visible cada uno. A la inversa, convertir una cifra de ancho completo a medio ancho puede reducir el espacio visual sin cambiar el total de caracteres visibles. El espacio ocupado en la página no es un método fiable para contar.

Si dos herramientas discrepan, compara una muestra breve que puedas inspeccionar. Revisa por separado Hanzi, puntuación, espacios en blanco y elementos de otros idiomas. Una vez entendida la diferencia, utiliza la medida que exija la tarea o el sistema, no el total más pequeño.

Contar el texto exacto de la entrega

1. Confirma la regla de recuento del destinatario.
2. Copia el texto final con los títulos o notas que deban incluirse.
3. Usa el contador de caracteres chinos y consulta la medida pertinente.
4. Comprueba si influyen líneas vacías finales o espacios de formato copiados.
5. Repite el cálculo después de la última edición; no comuniques el total de un borrador.

La puntuación de ancho completo y medio ancho puede verse diferente y seguir contando como un carácter visible por signo. Utiliza el conversor de ancho solo si la entrega exige una forma concreta. Cambiar el aspecto y definir el recuento son decisiones distintas.