中国語の文字数の数え方：漢字・単語・句読点・空白

中国語の課題で求められる文字数と、翻訳見積もりの単語数は、異なるものを数えている場合があります。中国語は通常、単語ごとに空白を入れないため、空白で区切った部分を数えても適切な中国語の単語数にはなりません。

数える前に、指定された基準を確認しましょう。句読点、ラテン文字、数字、空白、見出し、参考文献を含むのでしょうか。計算自体が正しくても、対象が提出規則と違えば、その結果は使えません。

同じ文章でも複数の正しい合計がある

年の前に通常の空白が一つある、次の一行を例にします。

你好，China 2026!

この例の句読点・記号は中国語のコンマと感嘆符です。どちらも文字ですが、漢字だけの集計には含まれません。そのため、句読点を除く規則と空白だけを除く規則では結果が異なります。

学习中文には漢字が四つあります。通常は学习と中文に分けて読むことができます。単語分割は言語や文脈に左右されるため、文字数を仮定した平均単語長で割るだけでは単語数にはなりません。

翻訳料金では、原文の文字数、訳文の単語数、または別の明示された単位のどれを使うのか確認します。その定義を見積もりと一緒に残せば、納品時に双方が違う合計を比べる事態を避けられます。

表示上は一つの記号でも、複数のUnicodeコードポイントからなる場合があります。修飾子付きの絵文字や、文字の後ろに結合アクセントを付けた表記は、一文字に見えることがあります。保存単位を数えるプログラムと、表示上の文字クラスターを数えるツールでは合計が異なり得ます。

バイト数も別の指標です。上の例は、バイトオーダーマークと改行を含まないUTF-8では20バイトですが、表示文字は十四個です。システムのバイト制限を確認するとき、見える一文字が必ず一バイトだと考えてはいけません。

提出物にはタイトル、節見出し、本文、参考文献が含まれることがあります。制限が本文だけに適用されるなら、文書全体を貼り付けると、各文字を正しく数えても対象範囲が違います。上限以下になるまで数え方を変えるのではなく、範囲を明示しましょう。

見積もりや引き渡しでは、集計単位と含めた部分の両方を記録します。「本文のみ、空白類を除き、句読点は含む」なら再現可能です。「中国語で約千語」では、一方が漢字を、もう一方が分割した単語や表示文字全体を数えていると、比較に役立ちません。

受け手の規則が除外すると定めていない限り、合計を減らすためだけに句読点を削らないでください。句読点は読者に必要な文章の一部です。別項目として数えれば、提出文章を変えずに二つの合計の差を説明できます。

中国語の段落には、製品コード、ラテン文字の人名、日付、絵文字も入り得ます。漢字だけの集計は、その多くを除外します。特定の目的には有用でも、入力欄全体の長さを制限するフォームの確認には必ずしも適しません。受け手が指定する上限に対応した数値を使いましょう。

éという文字を考えます。これは合成済みの一つのUnicodeコードポイントでも、eに結合アキュートアクセントを続けても表せます。どちらも一文字に見えますが、コードポイント数とUTF-8のバイト数は異なります。技術的な定義が違えば、どちらも恣意的な計算ではなくても結果は食い違います。

改行やコピー時に入った空白も差の原因です。この記事の一行の例には末尾の改行がありません。入力欄の最後で見落としやすくても、改行を追加すると保存されるテキストとバイト数が変わります。バイト制限がある場合は、形式上必要な区切りも含め、実際に送る値そのものを確認します。

フォントを変えるだけでは元の文字は変わりません。細く見える英字と幅広い漢字が、どちらも表示上は一文字に数えられる場合があります。逆に全角数字を半角にすれば見た目の幅は減っても、表示文字数は変わらないことがあります。ページ上の占有幅は信頼できる数え方ではありません。

二つのツールが異なる結果を出すなら、中身を確認できる短い例で比較します。漢字、句読点、空白類、多言語の要素を別々に確認してください。理由が分かったら、小さい数を選ぶのではなく、課題やシステムが求める基準を使います。

全角と半角の句読点は見た目が違っても、それぞれ表示上の一文字に数えられることがあります。提出形式に指定がある場合だけ、全角・半角変換ツールを使いましょう。外観の変更と集計基準の定義は別の判断です。