字数统计：中文「字数」到底怎么算

同一个文档，Word 说 1200 字，投稿系统说 1800 字，公众号后台说 2400 字——因为三种算法数的是三种东西。

三种口径

• 中文字符数：一个汉字算 1，标点算不算各家不同。投稿、论文、公文一般用这个。
• 英文单词数：按空格切分，don't 算 1 个，state-of-the-art 有人算 1 个有人算 4 个。
• 字节数（Bytes）：UTF-8 下一个汉字 3 字节、英文 1 字节。存储、短信、接口限制用这个。

中文 1000 字 ≈ UTF-8 3000 字节 ≈ 英文 600–700 词的信息量。看到「不超过 2000 字符」的限制， 如果是中文字段，实际能写 2000 个汉字；如果是数据库 VARCHAR(2000)，同样字段在 UTF-8 里只能放 666 个汉字。

方法 1：浏览器本地统计

字数统计工具：同时给出字符数、汉字数、英文单词数、字节数、行数， 本地计算，不上传正文。

统计字数 →

方法 2：命令行 / 代码

# 字符数（含空格）
wc -m file.txt

# 字节数
wc -c file.txt

# 英文单词数
wc -w file.txt

# 纯汉字数量（Python）
import re
len(re.findall(r'[\u4e00-\u9fff]', text))

投稿前自查清单

• 系统说的「字数」是字符数还是汉字数？界面通常会写「不含空格」或「含标点」。
• 标题、摘要、参考文献算不算？多数期刊不算参考文献。
• 换行和空格算不算？Markdown 源文件的 wc 会把 ** 这种标记也算进去。
• 表格里的文字常被判成 0 字，但打印出来占版面——按版面限制投的稿要单独算。

批量统计一堆文件

Get-ChildItem *.md | ForEach-Object {
  "{0,-40} {1,6} 字符" -f $_.Name, (Get-Content $_.FullName -Raw -Encoding UTF8).Length
}