如何统计中文字数：词与字的区别详解

大多数英文统计工具按空白字符切分文本。句子“我爱学习”对应的英文 "I love learning" 有三个由空格分隔的片段，因此会报告为三个词。而中文表达同样的意思写作 我爱学习，完全没有空格。按空格切分的程序会把它看成一个巨大的整体，只报告一个词，这显然是错误的。

正因如此，中文里有意义的计量单位通常是字（字），而不是以空格分隔的词。当学校要求一篇 800 字的文章，或者微信发布内容有长度限制时，它们统计的都是字数，而且在大多数情况下包含标点符号。

对于同一段文字，你可以得出几种都合理的统计结果。字数统计的是每一个汉字。词数则估算语言学意义上的词，例如 学习（study）是由两个字组成的一个词。字节数取决于编码方式，几乎从来不是人们真正想要的指标。

一个粗略的经验法则是：一个中文词平均约含 1.5 到 1.7 个字。因此一篇 600 字的文章大约包含 350 到 400 个语言学意义上的词。两个数字都没有错，它们回答的是不同的问题。

在大多数学术和出版场景中，诸如 ，。！？ 这样的中文标点符号都会计入字数。这与 Microsoft Word 等文字处理软件报告 字数 的方式一致。如果你要对齐老师或编辑设定的目标字数，就应当包含标点符号，以便与对方使用的工具保持一致。

有些严格的“纯字数”统计会排除标点符号。两者的差异通常只有几个百分点，但对于有严格字数上限的投稿来说可能很关键，因此要确认接收方采用的是哪种口径。

真实的文档中常常把汉字与英文单词、数字和 URL 混在一起。一个好的统计工具应能同时处理两者：把每个汉字计为一个单位，把每一段连续的拉丁字母或数字计为一个词。这种混合方式能为双语内容给出合理的总数。

要小心那些只懂一种体系的统计工具。纯英文的工具会严重低估中文的数量，而简单的中文工具则可能把一整句英文当作寥寥几个字符。

最可靠的方法是使用专为 CJK 文本设计的统计工具。粘贴你的内容，直接读取字数即可；你既不需要安装软件，也不需要把文件上传到任何地方。

由于统计会随着输入即时进行，你可以边删减或扩写文本边观察数字变化，这比在另一个程序里反复核对要快得多。对于任何敏感内容，优先选择本地处理文本的工具，这样你的草稿永远不会离开你的设备。