字数统计

字数统计为什么各家结果不一样：字符、码点、字节的区别

"多少字"至少有四种答案

同一个字符串，用不同的口径去数会得到不同的数字，而且每个数字都是"正确"的：

三个关键差异点：

• 汉字一个字占 3 字节。UTF-8 是变长编码：ASCII 1 字节、拉丁扩展 2 字节、中日韩 3 字节、Emoji 4 字节。所以"字符数"和"字节数"在中文里差三倍。这在数据库字段长度限制、API 体积限制、短信条数计算上都会直接影响结果。
• 带音标的拉丁字母占 2 字节。café 是 4 个字符但 5 字节，因为 é 不在 ASCII 范围内。更麻烦的是它还可能是 e 加组合音标两个码点——看起来一样，计数不同。这就是 Unicode 规范化（NFC/NFD）要解决的问题。
• Emoji 在 JavaScript 里算 2。JS 字符串是 UTF-16，BMP 之外的字符用代理对表示，所以 length 会给出 2。而带肤色修饰或家庭组合的 Emoji（如 👨‍👩‍👧）由多个码点加零宽连接符组成，length 可能到 8 以上，但用户看到的是一个字符。做字数上限校验时用 length 会误判——用户看到自己写了 10 个字却被提示超限，就是这个原因。

本工具分别给出字符数（UTF-16 码元）和UTF-8 字节数两个数字，就是因为实际需求同时存在这两种口径：面向用户界面的限制通常按字符，面向存储与传输的限制必须按字节。

中文的"字数"没有统一定义

英文用空格分词，所以"单词数"是明确的。中文没有词间空格，于是产生分歧：

• 按字符计。每个汉字算一个字，标点通常也算。这是中文里最常用的口径——"800 字作文"指的就是这个。
• 按词计。需要分词，不同分词器结果不同（"研究生命起源"可分成"研究/生命/起源"或"研究生/命/起源"）。只有做 NLP 时才用这个口径。

工具把中日韩字符单独统计，并把拉丁单词单独统计，就是为了让你能同时看到两个维度——混排文本（技术文档、产品文案）里只看其中一个数字会严重失真。

什么时候需要哪个数字

阅读时间的估算基准

工具会按字数估算阅读时间。参考基准：

• 英文默读约 200-250 词/分钟；中文默读约 300-500 字/分钟。
• 朗读要慢得多：英文约 130-160 词/分钟，中文约 200-250 字/分钟。做配音时长或演讲时间估算时要用朗读速度。
• 技术内容、含大量数字或代码的文本会明显更慢，实际时间可能是估算值的 1.5 倍以上。

所以这个数字只是量级参考，用于判断"这段文案是不是太长"，不适合当成精确的时长承诺。

工具统计了什么

• 字符数、不含空白的字符数
• 中文字符数（含扩展 A 区）与英文单词数（数字串也算一个词）
• 行数与段落数（段落按空行分隔）
• UTF-8 字节数
• 预估阅读时间

全部在浏览器本地统计，不需要上传文本——统计长的内部文档或客户资料时这一点是必要的。