Contagem de texto chinês: caracteres, palavras e espaços

Um trabalho de chinês que pede determinada quantidade de caracteres e um orçamento de tradução por palavras podem medir coisas diferentes. Em chinês, normalmente não há espaços entre todas as palavras; contar trechos separados por espaços não produz um total útil de palavras chinesas.

Antes de contar, confirme a medida solicitada. O limite inclui pontuação, letras latinas, algarismos, espaços, títulos e referências? Um resultado pode estar matematicamente correto e ainda ser inadequado se contar um conjunto diferente do exigido na entrega.

Um exemplo com vários totais corretos

Use esta amostra em uma única linha, com um espaço comum antes do ano:

你好，China 2026!

A pontuação é composta pela vírgula chinesa e pelo ponto de exclamação. Ambos são caracteres, mas nenhum entra na contagem exclusiva de Hanzi. Portanto, uma regra que exclui pontuação difere de outra que exclui apenas espaços.

Uma palavra chinesa pode conter vários caracteres

学习中文 contém quatro caracteres chineses. Em uma leitura comum, pode ser segmentado em 学习 e 中文. A divisão em palavras depende do idioma e do contexto; dividir o total por um tamanho médio presumido não transforma um contador de caracteres em contador de palavras.

No orçamento de tradução, pergunte se a cobrança usa caracteres do original, palavras do texto traduzido ou outra medida expressa. Mantenha essa definição junto ao orçamento para que as partes não comparem totais diferentes na entrega.

Caracteres visíveis e tamanho de armazenamento

Alguns símbolos exibidos contêm vários pontos de código Unicode. Um emoji com modificador ou uma letra seguida de acento combinante pode parecer um só caractere. Um programa que conta unidades de armazenamento pode informar um total diferente de outro que conta agrupamentos de caracteres visíveis.

O tamanho em bytes é outra medida. A amostra acima ocupa 20 bytes em UTF-8 sem marca de ordem de bytes nem quebra de linha, embora exiba quatorze caracteres. Não é possível verificar um limite de bytes supondo que cada caractere visível ocupe um byte.

Definir quais partes entram na contagem

Uma entrega pode incluir título, subtítulos, corpo do texto e referências. Se o limite se aplica apenas ao corpo, colar o documento inteiro seleciona o escopo errado, mesmo que cada caractere seja contado corretamente. Explicite o recorte, em vez de mudar o método até obter um total abaixo do limite.

Em orçamentos ou entregas, registre a medida e as seções incluídas. “Apenas o corpo, sem espaços em branco e com pontuação” permite reproduzir o cálculo. “Cerca de mil palavras chinesas” é bem menos útil quando uma parte conta Hanzi e a outra palavras segmentadas ou todos os caracteres visíveis.

Não retire pontuação só para reduzir o total, a menos que a regra de recebimento a exclua. Os sinais fazem parte do texto de que o leitor precisa. Contá-los separadamente explica a diferença entre dois totais sem alterar o conteúdo entregue.

Inspecionar textos com vários idiomas

Um parágrafo em chinês pode conter código de produto, nome em letras latinas, data e emoji. O resultado exclusivo de Hanzi exclui boa parte disso. Ele atende a uma finalidade, mas não necessariamente verifica um formulário que limita o tamanho do campo inteiro. Escolha o total correspondente ao limite declarado pelo destinatário.

Considere é. A letra pode ser representada por um ponto de código Unicode pré-composto ou por e seguido de acento agudo combinante. Ambas as formas podem aparecer como um caractere, mas têm números de pontos de código e tamanhos em UTF-8 diferentes. Isso explica divergências entre definições técnicas sem que os cálculos sejam arbitrários.

Quebras de linha e espaços copiados também criam diferenças. A amostra deste artigo não termina com uma quebra de linha. Acrescentá-la altera o texto armazenado e seu tamanho em bytes, mesmo que passe despercebida no fim do campo. Quando houver limite de bytes, confira o valor exato que será enviado, incluindo separadores exigidos pelo formato.

Mudar apenas a fonte não altera os caracteres subjacentes. Uma letra estreita e um caractere chinês largo podem contar como um caractere visível cada. Por outro lado, converter um algarismo de largura completa para meia largura pode diminuir sua largura visual sem mudar o total de caracteres visíveis. O espaço ocupado na página não é um método confiável de contagem.

Se duas ferramentas divergirem, compare uma amostra curta cujo conteúdo você possa inspecionar. Verifique separadamente Hanzi, pontuação, espaços em branco e elementos de outros idiomas. Entendida a diferença, use a medida exigida pelo trabalho ou sistema, não o menor total disponível.

Contar o texto exato da entrega

1. Confirme a regra de contagem do destinatário.
2. Copie o texto final, incluindo títulos ou notas que pertençam à entrega.
3. Use o contador de caracteres chineses e consulte a medida correspondente.
4. Verifique se linhas vazias finais ou espaços de formatação copiados afetam o resultado.
5. Conte novamente após a última edição, em vez de informar o total do rascunho.

Pontuação de largura completa e meia largura pode ter aparência diferente e ainda contar como um caractere visível por sinal. Use o conversor de largura apenas quando a entrega exigir uma forma específica. Mudar a aparência e definir a contagem são decisões diferentes.