中文字数统计：汉字、词语、标点与空格的计算规则

中文作业要求的“字数”，与翻译报价中的“词数”，可能采用不同口径。中文通常不会在每个词之间加空格，所以按空格切分文本，不能得到有意义的中文词数。

统计前先确认具体要求：标点、拉丁字母、数字、空格、标题和参考文献是否计算在内？即使计算准确，如果统计对象不符合提交规则，结果也不适用。

同一段文本可以有多个正确结果

下面是一行示例文本，年份前只有一个普通空格：

你好，China 2026!

其中两个标点分别是中文逗号和感叹号。它们都是字符，但都不属于“仅统计汉字”的范围。因此，“不计标点”和“只排除空格”会得到不同结果。

一个中文词可以包含多个汉字

学习中文一共有四个汉字，通常可以分成学习和中文两个词。分词取决于语言和语境，不能简单把字符总数除以假定的平均词长，就当成准确的词数。

用于翻译报价时，应明确按原文字数、译文词数，还是其他约定单位计价。把统计定义与报价一并保留，避免交付时双方拿不同口径的结果比较。

显示字符数与存储大小不同

有些看起来是一个符号的内容，实际包含多个 Unicode 码点。带修饰符的表情符号，或字母后加组合重音符号，都可能显示为一个字符。按存储单元统计的程序，与按用户感知字符簇统计的工具，可能给出不同结果。

字节数又是另一种口径。上述示例在不含字节顺序标记和换行符时，以 UTF-8 编码占用 20 个字节，但只显示十四个字符。检查系统的字节限制时，不能假定每个可见字符都只占一个字节。

明确哪些内容纳入统计

一份文档可能包含标题、小标题、正文和参考文献。如果限制只针对正文，把整份文档粘贴进计数器就选错了范围，即使每个字符都数对也无济于事。应明确选取范围，而不是不断更换统计方法，直到结果低于上限。

报价或交付时，同时记录统计单位和包含的部分。例如，“仅正文、不含空白、包含标点”是可复核的定义。相比之下，“大约一千个中文词”就不够明确，因为一方可能在数汉字，另一方却在数分词结果或所有显示字符。

除非接收方的规则明确不计标点，否则不要为了减少数量而删除标点。标点是读者理解文章所需的内容。单独列出标点数量，可以解释两个结果的差异，无需改动提交的文字。

检查中外文混排文本

一段中文可能同时包含产品编码、拉丁字母姓名、日期和表情符号。“仅汉字”结果会排除其中很多内容。这对某些用途有帮助，却未必适合检查限制整个字段长度的表单。应选择与接收方要求一致的统计口径。

以字母 é 为例，它可以由一个预组合 Unicode 码点表示，也可以由 e 后接组合尖音符表示。两种形式都可能显示为一个字符，但码点数和 UTF-8 字节数不同。因此，采用不同技术定义的计数器出现差异，并不代表计算是随意的。

换行符和复制带入的空格也会造成差异。本文的单行示例末尾没有换行符。即使输入框末尾的换行不易察觉，加入它仍会改变存储文本及字节数。系统有字节限制时，应检查实际发送的完整值，包括格式要求的分隔符。

只换字体不会改变底层字符。看起来较窄的字母与较宽的汉字，都可能各算一个显示字符。反过来，把全角数字改为半角数字，视觉宽度可能缩小，显示字符总数却不变。文字在页面上占多少空间，不能用来可靠地推算数量。

如果两个工具结果不一致，先用一段内容清楚的短文本比较，分别查看汉字、标点、空白和混排部分。找到差异原因后，采用作业或系统要求的口径，而不是选择数值较小的那个。

统计最终提交的文本

1. 确认接收方的统计规则。
2. 复制最终文本，包含按要求应纳入的标题或注释。
3. 使用中文字数统计工具，查看对应口径的结果。
4. 检查末尾空行和复制产生的排版空格是否影响结果。
5. 最后一次修改后重新统计，不沿用草稿的数量。

全角和半角标点外观不同，但都可能各算一个显示字符。只有提交格式有要求时，再使用全半角转换工具处理。改变文字外观与确定统计口径，是两件不同的事。