Conteggio del testo cinese: caratteri, parole e spazi

Un compito di cinese che richiede un numero di caratteri e un preventivo di traduzione basato sulle parole possono misurare cose diverse. Il cinese normalmente non separa ogni parola con uno spazio: contare i segmenti divisi da spazi non fornisce quindi un totale utile di parole cinesi.

Prima di contare, chiarisci la misura richiesta. Il limite include punteggiatura, lettere latine, cifre, spazi, titoli e riferimenti? Un risultato può essere calcolato correttamente ma non essere adatto alla consegna, se considera un insieme di caratteri diverso da quello richiesto.

Un esempio con diversi totali corretti

Usa questo esempio su un’unica riga, con uno spazio normale prima dell’anno:

你好，China 2026!

La punteggiatura comprende la virgola cinese e il punto esclamativo. Sono entrambi caratteri, ma nessuno rientra nel conteggio dei soli Hanzi. Una regola che esclude la punteggiatura dà quindi un risultato diverso da una che esclude soltanto gli spazi.

Una parola cinese può contenere più caratteri

学习中文 contiene quattro caratteri cinesi. Nella lettura abituale può essere segmentato in 学习 e 中文. La segmentazione dipende dalla lingua e dal contesto: dividere il totale per una lunghezza media ipotizzata non trasforma un contatore di caratteri in uno di parole.

Per il prezzo di una traduzione, verifica se il preventivo usa caratteri del testo originale, parole del testo tradotto o un’altra misura dichiarata. Conserva questa definizione insieme al preventivo, così alla consegna le parti non confronteranno totali diversi.

Caratteri visibili e dimensioni in memoria

Alcuni simboli visualizzati contengono più punti di codice Unicode. Un’emoji con modificatore o una lettera seguita da un accento combinante può apparire come un solo carattere. Un programma che conta unità di memorizzazione può fornire un totale diverso da uno che conta gruppi di caratteri visualizzati.

La lunghezza in byte è un’altra misura. L’esempio occupa 20 byte in UTF-8 senza indicatore dell’ordine dei byte né terminazione di riga, pur mostrando quattordici caratteri. Un limite in byte non si verifica presumendo che ogni carattere visibile occupi un byte.

Stabilire le parti da includere

Una consegna può avere titolo, intestazioni, corpo e bibliografia. Se il limite riguarda solo il corpo, incollare tutto il documento seleziona l’ambito sbagliato anche quando ogni carattere è contato correttamente. Esplicita l’ambito invece di cambiare metodo finché il risultato non scende sotto il limite.

Per preventivi o consegne, registra sia la misura sia le sezioni incluse. “Solo corpo, esclusi gli spazi bianchi, punteggiatura inclusa” permette di ripetere il calcolo. “Circa mille parole cinesi” serve molto meno se una parte conta Hanzi e l’altra parole segmentate o tutti i caratteri visibili.

Non eliminare la punteggiatura soltanto per ridurre il totale, salvo che la regola del destinatario la escluda. I segni fanno parte del testo necessario al lettore. Contarli separatamente può spiegare lo scarto fra due risultati senza modificare il testo consegnato.

Controllare il testo multilingue

Un paragrafo cinese può contenere un codice prodotto, un nome in lettere latine, una data e un’emoji. Il totale dei soli Hanzi esclude buona parte di questi elementi. È utile per un determinato scopo, ma non necessariamente per un modulo che limita la lunghezza dell’intero campo. Scegli il totale che corrisponde al limite dichiarato dal destinatario.

Considera é. Può essere rappresentata da un punto di codice Unicode precomposto oppure da e seguito da un accento acuto combinante. Entrambe le forme possono apparire come un carattere, ma hanno conteggi di punti di codice e lunghezze UTF-8 diversi. Due definizioni tecniche possono quindi produrre risultati differenti senza che i calcoli siano arbitrari.

Anche terminazioni di riga e spazi copiati creano differenze. L’esempio di questo articolo non ha una terminazione di riga finale. Aggiungerla cambia il testo memorizzato e i suoi byte, anche se sfugge facilmente alla fine di un campo. Per un sistema con limite in byte, verifica il valore esatto da inviare, compresi i separatori richiesti dal formato.

Cambiare soltanto il font non modifica i caratteri sottostanti. Una lettera stretta e un carattere cinese largo possono contare entrambi come un carattere visualizzato. Al contrario, trasformare una cifra a larghezza intera in una a mezza larghezza può ridurne l’ingombro senza modificare il totale dei caratteri visibili. Lo spazio occupato sulla pagina non è un criterio affidabile di conteggio.

Se due strumenti discordano, confronta un esempio breve che puoi esaminare. Controlla separatamente Hanzi, punteggiatura, spazi bianchi ed elementi di altre lingue. Chiarita la differenza, usa la misura richiesta dal compito o dal sistema, non il totale più basso.

Contare il testo definitivo da consegnare

1. Conferma la regola di conteggio del destinatario.
2. Copia il testo finale con i titoli e le note che devono rientrare nella consegna.
3. Usa il contatore di caratteri cinesi e consulta la misura pertinente.
4. Controlla l’effetto di righe vuote finali e spazi di formattazione copiati.
5. Ripeti il conteggio dopo l’ultima modifica, invece di comunicare il totale della bozza.

La punteggiatura a larghezza intera e a mezza larghezza può apparire diversa e continuare a contare come un carattere visibile per segno. Usa il convertitore di larghezza solo se la consegna impone una forma specifica. Cambiare l’aspetto e definire il conteggio sono decisioni separate.