Подсчёт китайского текста: иероглифы, слова и пробелы

Задание по китайскому с ограничением числа знаков и предложение о переводе с оплатой за слова могут подразумевать разные величины. В китайском обычно нет пробела между каждым словом, поэтому подсчёт фрагментов, разделённых пробелами, не даёт полезного числа китайских слов.

Перед подсчётом уточните требуемую единицу. Входят ли в лимит пунктуация, латинские буквы, цифры, пробелы, заголовки и ссылки на литературу? Результат может быть вычислен точно, но не соответствовать условиям сдачи, если посчитан другой набор символов.

Один пример и несколько правильных итогов

Возьмём одну строку с единственным обычным пробелом перед годом:

你好，China 2026!

Здесь знаки препинания — китайская запятая и восклицательный знак. Оба являются символами, но не входят в подсчёт только Hanzi. Поэтому исключение пунктуации даёт иной результат, чем исключение одних пробелов.

Китайское слово может состоять из нескольких иероглифов

В 学习中文 четыре китайских иероглифа. При обычном чтении сочетание делится на 学习 и 中文. Разбиение на слова зависит от языка и контекста; деление количества символов на предполагаемую среднюю длину слова не превращает счётчик символов в счётчик слов.

При согласовании цены перевода уточните, используются ли знаки исходного текста, слова перевода или другая указанная единица. Сохраните определение вместе с расчётом цены, чтобы при сдаче стороны не сравнивали разные величины.

Видимые символы и размер хранения

Некоторые отображаемые символы содержат несколько кодовых точек Unicode. Эмодзи с модификатором или буква с последующим комбинируемым акцентом могут выглядеть как один знак. Программа, считающая единицы хранения, может дать иной итог, чем счётчик отображаемых символьных кластеров.

Длина в байтах — ещё одна величина. Пример выше занимает 20 байтов в UTF-8 без метки порядка байтов и окончания строки, хотя показывает четырнадцать символов. Проверять байтовый лимит в предположении, что каждый видимый знак занимает один байт, нельзя.

Согласование частей текста для подсчёта

Работа может включать название, заголовки разделов, основной текст и библиографию. Если лимит относится только к основному тексту, вставка всего документа выбирает неверный объём, даже при точном подсчёте каждого символа. Явно укажите границы, а не меняйте метод до получения числа ниже лимита.

Для расчёта цены или передачи работы зафиксируйте единицу и включённые разделы. Формулировка «только основной текст, без пробельных символов, с пунктуацией» воспроизводима. «Около тысячи китайских слов» мало помогает, если одна сторона считает иероглифы, а другая — выделенные слова или все видимые знаки.

Не удаляйте пунктуацию ради меньшей суммы, если правило получателя не исключает её. Знаки препинания нужны читателю как часть текста. Их отдельный подсчёт позволяет объяснить различие итогов, не меняя сдаваемую работу.

Проверка смешанного текста

Китайский абзац может содержать артикул товара, имя латиницей, дату и эмодзи. Подсчёт только Hanzi исключает большую часть таких элементов. Для одной задачи это полезно, но не обязательно подходит форме, ограничивающей длину всего поля. Выбирайте величину, соответствующую указанному получателем лимиту.

Рассмотрим é. Её можно представить одной заранее составленной кодовой точкой Unicode либо буквой e с комбинируемым акутом. Оба варианта могут выглядеть как один символ, но число кодовых точек и байтов UTF-8 различается. Поэтому разные технические определения приводят к разным результатам без произвольности расчётов.

Окончания строк и скопированные пробелы тоже создают разницу. У однострочного примера в этой статье нет завершающего перевода строки. Его добавление меняет хранимый текст и длину в байтах, хотя в конце поля это легко не заметить. При байтовом ограничении проверяйте точное отправляемое значение, включая разделители, требуемые форматом.

Смена одного лишь шрифта не меняет лежащие в основе символы. Узкая буква и широкий китайский знак могут считаться как один отображаемый символ каждый. И наоборот, замена полноширинной цифры на полуширинную может уменьшить видимую ширину, сохранив число символов. Место на странице не является надёжным способом подсчёта.

Если два инструмента расходятся, сравните короткий пример с понятным составом. Проверьте отдельно иероглифы, пунктуацию, пробельные знаки и иноязычные элементы. Выяснив причину, используйте единицу, которую требует задание или система, а не просто меньший итог.

Подсчёт окончательной сдаваемой версии

1. Уточните правило подсчёта у получателя.
2. Скопируйте окончательный текст с заголовками и примечаниями, входящими в объём.
3. Используйте счётчик китайских символов и нужный показатель.
4. Проверьте влияние пустых строк в конце и скопированных пробелов форматирования.
5. Повторите подсчёт после последней правки вместо передачи числа из черновика.

Полноширинная и полуширинная пунктуация могут выглядеть по-разному, но каждый знак по-прежнему может считаться одним видимым символом. Используйте конвертер ширины только при требовании конкретной формы. Изменение внешнего вида и выбор единицы подсчёта — разные решения.