Menghitung teks Mandarin: karakter, kata, dan spasi

Tugas bahasa Mandarin yang meminta jumlah karakter dan penawaran terjemahan berdasarkan jumlah kata bisa mengukur hal berbeda. Tulisan Mandarin biasanya tidak memberi spasi di antara setiap kata, sehingga menghitung bagian yang dipisahkan spasi tidak menghasilkan jumlah kata Mandarin yang berguna.

Sebelum menghitung, tetapkan ukuran yang diminta. Apakah batasnya memasukkan tanda baca, huruf Latin, angka, spasi, judul, dan referensi? Hasil bisa dihitung dengan akurat tetapi tetap tidak sesuai aturan penyerahan jika yang dihitung adalah kelompok karakter yang keliru.

Satu contoh dengan beberapa total yang benar

Gunakan contoh satu baris berikut, dengan satu spasi biasa sebelum tahun:

你好，China 2026!

Tanda bacanya terdiri atas koma Mandarin dan tanda seru. Keduanya merupakan karakter, tetapi tidak termasuk hitungan khusus Hanzi. Aturan yang mengecualikan tanda baca karena itu berbeda dari aturan yang hanya mengecualikan spasi.

Satu kata Mandarin dapat berisi beberapa karakter

学习中文 berisi empat karakter Hanzi. Dalam pembacaan biasa, teks ini dapat dibagi menjadi 学习 dan 中文. Segmentasi kata bergantung pada bahasa dan konteks; membagi total karakter dengan perkiraan panjang kata rata-rata tidak mengubah penghitung karakter menjadi penghitung kata.

Untuk biaya terjemahan, pastikan apakah penawaran memakai karakter teks sumber, kata teks sasaran, atau ukuran lain yang disebutkan. Simpan definisi itu bersama penawaran agar kedua pihak tidak membandingkan total berbeda saat hasil diserahkan.

Karakter yang tampak dan ukuran penyimpanan

Beberapa simbol yang ditampilkan terdiri atas beberapa titik kode Unicode. Emoji dengan pengubah atau huruf yang diikuti aksen penggabung dapat tampak sebagai satu karakter. Program yang menghitung unit penyimpanan dapat melaporkan total berbeda dari penghitung kelompok karakter yang ditampilkan.

Panjang byte adalah ukuran lain. Contoh di atas menempati 20 byte dalam UTF-8 tanpa penanda urutan byte atau akhir baris, meskipun menampilkan empat belas karakter. Batas byte sistem tidak dapat diperiksa dengan menganggap setiap karakter yang tampak memakai satu byte.

Menentukan bagian yang ikut dihitung

Sebuah dokumen dapat memuat judul, subjudul, isi utama, dan daftar referensi. Jika batas hanya berlaku untuk isi utama, menempelkan seluruh dokumen memilih cakupan yang salah walaupun setiap karakter dihitung benar. Nyatakan cakupan secara jelas, bukan mengganti metode sampai hasilnya berada di bawah batas.

Untuk penawaran atau serah terima, catat ukuran sekaligus bagian yang dimasukkan. Pernyataan seperti “hanya isi utama, tanpa karakter ruang kosong, termasuk tanda baca” dapat dihitung ulang. “Sekitar seribu kata Mandarin” jauh kurang berguna jika satu pihak menghitung Hanzi dan pihak lain menghitung kata hasil segmentasi atau semua karakter yang tampak.

Jangan menghapus tanda baca sekadar untuk memperoleh total lebih kecil, kecuali aturan penerima memang mengecualikannya. Tanda baca adalah bagian teks yang dibutuhkan pembaca. Menghitungnya secara terpisah dapat menjelaskan selisih dua total tanpa mengubah tulisan yang diserahkan.

Memeriksa teks campuran bahasa

Paragraf Mandarin dapat berisi kode produk, nama berhuruf Latin, tanggal, dan emoji. Hasil khusus Hanzi mengabaikan sebagian besar unsur tersebut. Ukuran itu berguna untuk satu tujuan, tetapi belum tentu cocok untuk formulir yang membatasi panjang seluruh isian. Pilih total yang sesuai dengan batas yang dinyatakan penerima.

Perhatikan huruf é. Huruf ini dapat dinyatakan dengan satu titik kode Unicode prakomposisi atau dengan e yang diikuti aksen akut penggabung. Keduanya dapat terlihat sebagai satu karakter, tetapi jumlah titik kode dan panjang UTF-8 berbeda. Ini menjelaskan mengapa penghitung dengan definisi teknis berbeda dapat memberikan hasil berbeda tanpa perhitungan yang sembarangan.

Akhir baris dan spasi yang ikut tersalin juga menimbulkan selisih. Contoh satu baris dalam artikel ini tidak memiliki akhir baris tambahan. Menambahkan baris baru mengubah teks tersimpan dan panjang byte, meskipun mudah luput di akhir kotak masukan. Untuk sistem dengan batas byte, periksa nilai persis yang akan dikirim, termasuk pemisah yang diwajibkan format.

Mengganti jenis huruf saja tidak mengubah karakter yang mendasarinya. Huruf sempit dan karakter Hanzi yang lebar dapat dihitung masing-masing sebagai satu karakter tampak. Sebaliknya, mengubah digit lebar penuh ke setengah lebar dapat mengurangi lebar visual tanpa mengubah total karakter. Ruang yang terpakai di halaman bukan cara menghitung yang andal.

Jika dua alat menghasilkan angka berbeda, bandingkan contoh pendek yang isinya dapat diperiksa. Tinjau Hanzi, tanda baca, karakter ruang kosong, dan unsur bahasa lain secara terpisah. Setelah mengetahui sebabnya, gunakan ukuran yang diminta tugas atau sistem, bukan memilih angka yang lebih kecil.

Menghitung teks final yang benar-benar dikirim

1. Pastikan aturan hitung penerima.
2. Salin teks akhir beserta judul atau catatan yang termasuk cakupan penyerahan.
3. Gunakan penghitung karakter Mandarin dan lihat ukuran yang relevan.
4. Periksa pengaruh baris kosong di akhir atau spasi pemformatan yang ikut tersalin.
5. Hitung ulang setelah suntingan terakhir, bukan melaporkan total draf.

Tanda baca lebar penuh dan setengah lebar dapat tampak berbeda tetapi tetap dihitung sebagai satu karakter tampak per tanda. Gunakan konverter lebar karakter hanya jika penyerahan mensyaratkan bentuk tertentu. Mengubah tampilan dan menetapkan definisi hitungan adalah dua keputusan terpisah.