Как считать китайские иероглифы: чем слова отличаются от знаков
Если вы когда-нибудь вставляли китайское сочинение в английский счётчик слов и получали бессмысленный результат, вы не одиноки. Причина проста: в китайском языке слова не разделяются пробелами, поэтому правила подсчёта, работающие для английского, полностью ломаются. В этой статье объясняется, что на самом деле имеют в виду люди, говоря о подсчёте китайских слов, и как получить число, которому можно доверять.
Почему подсчёт по-китайски устроен иначе
Большинство счётчиков разбивают текст по пробелам. В предложении «Я люблю учиться» три слова, разделённых пробелами, поэтому такой счётчик сообщает о трёх словах. По-китайски та же мысль записывается как 我爱学习 вообще без пробелов. Разбиватель по пробелам видит один огромный блок и сообщает об одном слове, что явно неверно.
Из-за этого осмысленной единицей в китайском языке обычно является иероглиф (字), а не слово, ограниченное пробелами. Когда школа требует сочинение на 800 знаков, а пост в WeChat имеет ограничение по длине, считают именно знаки, причём в большинстве случаев включая знаки препинания.
Знаки, слова и байты: три разных числа
Для одного и того же отрывка можно получить несколько корректных результатов подсчёта. Подсчёт знаков учитывает каждый китайский иероглиф. Подсчёт слов оценивает лингвистические слова, где 学习 («учиться») — это одно слово, состоящее из двух иероглифов. Подсчёт байтов зависит от кодировки и почти никогда не нужен человеку.
Приблизительное правило таково: одно китайское слово в среднем содержит около 1,5–1,7 иероглифа. Значит, сочинение из 600 знаков содержит примерно 350–400 лингвистических слов. Ни одно из этих чисел не является ошибочным — они отвечают на разные вопросы.
Считаются ли знаки препинания?
В большинстве академических и издательских контекстов китайские знаки препинания, такие как ，。！？, включаются в подсчёт знаков. Это соответствует тому, как текстовые процессоры вроде Microsoft Word показывают 字数. Если вы ориентируетесь на норму, заданную преподавателем или редактором, включайте знаки препинания, чтобы результат совпадал с их инструментом.
Некоторые строгие подсчёты учитывают только иероглифы и исключают знаки препинания. Разница обычно составляет несколько процентов, но для работы с жёстким лимитом она может иметь значение, поэтому уточните, какое соглашение использует ваш получатель.
Смешанный китайский и английский текст
В реальных документах китайские иероглифы часто смешаны с английскими словами, числами и URL. Хороший счётчик справляется с обоими случаями: он считает каждый китайский иероглиф одной единицей, а каждую последовательность латинских букв или цифр — одним словом. Такой гибридный подход даёт осмысленный итог для двуязычного текста.
Будьте осторожны со счётчиками, которые понимают только одну систему. Чисто английский инструмент сильно занижает результат для китайского текста, а наивный китайский может принять английское предложение за горстку знаков.
Как точно считать прямо в браузере
Самый надёжный способ — использовать счётчик, созданный для CJK-текста. Вставьте свой текст и сразу посмотрите количество знаков; устанавливать программы или загружать файл куда-либо не нужно.
Поскольку подсчёт происходит мгновенно, по мере ввода, вы можете сокращать или расширять текст и наблюдать, как меняется число, — это гораздо быстрее, чем многократно перепроверять текст в отдельной программе. Для всего конфиденциального выбирайте инструмент, который обрабатывает текст локально, чтобы ваш черновик никогда не покидал ваше устройство.
Связанный инструмент
Подсчёт китайских слов в большинстве ситуаций на самом деле является подсчётом знаков. Выясните, включает ли ваш получатель знаки препинания и является ли текст двуязычным, и выберите счётчик, понимающий CJK. Разберитесь с этими тремя моментами — и число, которое вы сообщите, совпадёт с ожиданиями всех остальных.
Попробуйте счётчик слов →