Compter un texte chinois : caractères, mots et espaces

Un devoir de chinois demandant un nombre de caractères et un devis de traduction établi au mot peuvent mesurer des éléments différents. Le chinois ne sépare généralement pas chaque mot par une espace : compter les segments séparés par des espaces ne donne donc pas un total de mots chinois pertinent.

Avant de compter, précisez la mesure demandée. La limite inclut-elle ponctuation, lettres latines, chiffres, espaces, titres et références ? Un résultat peut être calculé avec exactitude sans convenir à la consigne s’il porte sur le mauvais ensemble de caractères.

Un exemple, plusieurs totaux exacts

Prenez cette ligne, qui contient une seule espace ordinaire avant l’année :

你好，China 2026!

Les signes de ponctuation sont la virgule chinoise et le point d’exclamation. Ce sont des caractères, mais aucun n’entre dans un décompte limité aux sinogrammes. Une règle excluant la ponctuation produit donc un résultat différent d’une règle excluant seulement les espaces.

Un mot chinois peut réunir plusieurs caractères

学习中文 contient quatre sinogrammes. Dans une lecture courante, on peut le segmenter en 学习 et 中文. La segmentation dépend de la langue et du contexte ; diviser le total par une longueur moyenne supposée ne transforme pas un compteur de caractères en compteur de mots.

Pour un devis de traduction, vérifiez s’il repose sur les caractères sources, les mots de la traduction ou une autre mesure explicitée. Conservez cette définition avec le devis afin que les parties ne comparent pas des totaux différents lors de la livraison.

Caractères affichés et taille de stockage

Certains symboles visibles contiennent plusieurs points de code Unicode. Un emoji accompagné d’un modificateur ou une lettre suivie d’un accent combinatoire peut apparaître comme un seul caractère. Un programme comptant des unités de stockage peut donner un total différent d’un outil comptant des groupes de caractères affichés.

La longueur en octets constitue encore une autre mesure. L’exemple occupe 20 octets en UTF-8 sans indicateur d’ordre des octets ni fin de ligne, bien qu’il affiche quatorze caractères. Une limite en octets ne se vérifie pas en supposant qu’un caractère visible occupe toujours un octet.

Définir les parties à inclure

Un document peut comporter un titre, des intertitres, un corps de texte et des références. Si la limite ne vise que le corps, coller l’ensemble dans un compteur choisit le mauvais périmètre, même si chaque caractère est correctement compté. Précisez ce périmètre au lieu de changer de méthode jusqu’à passer sous la limite.

Pour un devis ou une remise, notez la mesure et les sections incluses. « Corps uniquement, hors blancs, ponctuation comprise » permet de reproduire le calcul. « Environ mille mots chinois » est bien moins utile si une partie compte les sinogrammes et l’autre les mots segmentés ou tous les caractères visibles.

Ne supprimez pas la ponctuation pour réduire le total, sauf si la règle du destinataire l’exclut. Elle fait partie du texte nécessaire au lecteur. La compter séparément peut expliquer l’écart entre deux résultats sans modifier le document remis.

Examiner les textes multilingues

Un paragraphe chinois peut contenir un code produit, un nom en alphabet latin, une date et un emoji. Le total des seuls sinogrammes exclut une grande partie de ces éléments. Il répond à une question précise, mais ne convient pas forcément à un formulaire limitant la longueur du champ entier. Retenez la mesure correspondant à la limite annoncée.

Prenez é. Cette lettre peut être représentée par un point de code Unicode précomposé ou par e suivi d’un accent aigu combinatoire. Les deux formes peuvent apparaître comme un seul caractère, tout en ayant des nombres de points de code et des longueurs UTF-8 différents. Des compteurs aux définitions techniques distinctes peuvent ainsi diverger sans calculer au hasard.

Les fins de ligne et les espaces copiées créent aussi des écarts. L’exemple de cet article ne comporte aucune fin de ligne terminale. En ajouter une modifie le texte stocké et sa taille en octets, même si elle se remarque peu dans un champ. Pour une limite en octets, vérifiez la valeur exacte envoyée, séparateurs imposés par le format compris.

Changer uniquement la police ne change pas les caractères sous-jacents. Une lettre étroite et un sinogramme large peuvent chacun compter pour un caractère affiché. À l’inverse, passer un chiffre de pleine chasse à demi-chasse peut réduire sa largeur visuelle sans modifier ce total. La place occupée sur une page n’est pas une méthode de comptage fiable.

Si deux outils divergent, comparez un court échantillon dont vous pouvez examiner le contenu. Vérifiez séparément sinogrammes, ponctuation, blancs et éléments d’autres langues. Une fois la différence comprise, utilisez la mesure exigée par le devoir ou le système plutôt que le total le plus petit.

Compter le texte réellement remis

1. Confirmez la règle du destinataire.
2. Copiez la version finale, avec les titres ou notes à inclure.
3. Utilisez le compteur de caractères chinois et consultez la mesure appropriée.
4. Vérifiez l’effet des lignes vides finales et des espaces de mise en forme copiées.
5. Recomptez après la dernière modification au lieu de communiquer le total d’un brouillon.

Les ponctuations pleine chasse et demi-chasse peuvent sembler différentes tout en comptant chacune pour un caractère affiché. N’utilisez le convertisseur de chasse que si la remise impose une forme particulière. Modifier l’apparence et définir le décompte sont deux décisions distinctes.