FunnyTools

文字與寫作 指南

中英文混合字數怎麼算？

中文常逐字、英文常逐詞。混合稿件若只看一個總數，很容易把兩種規則誤認成同一種。

更新日期:

例如：

今天 meeting 改到 3 PM。

這句非常日常。

但要回答「幾個字」時，你必須先決定：

  • 中文怎麼算？
  • meeting 算幾個？
  • 3 算不算一個 token？
  • PM 算一個還兩個？
  • 標點算不算？

所以雙語內容沒有一個跨平台、跨用途的唯一答案。

FunnyTools 的實用規則

目前 Word Counter 的公開設計是：

CJK 字元逐字計算，英文與數字以詞彙 token 計算。

這個做法非常適合：

  • 雙語作業草稿
  • 中英簡報
  • 社群文案
  • 腳本
  • SEO 草稿

因為它至少不會把整段沒有空格的中文當成「1 word」。

為什麼不能直接用空白切字？

假設：

今天天氣很好

如果只是：

split(" ")

整句可能只有一段。

結果：

1 word。

這顯然不符合中文使用者對「6個字」的直覺。

反過來，若所有字元都逐字：

Today is sunny

又會把英文拆成：

每個字母一個字。

也不合理。

所以中英混合工具通常需要：

不同 script 使用不同 segmentation strategy。

Unicode 本身也提醒「word boundary」與語言有關

現代瀏覽器有 Intl.Segmenter，可以依 locale 做：

  • grapheme
  • word
  • sentence

分段。

但即使如此：

學校、投稿平台或考試系統也不一定使用相同演算法。

因此工具最重要的是：

公開自己的規則。

實例一：報告篇幅

老師說：

中文報告 2,000 字。

這時候最合理的檢查通常不是：

  • 英文-style word count

而是：

  • 中文字元／校方指定規則。

如果文中有很多英文文獻名稱：

最終仍要問老師或看格式規範。

實例二：中英履歷

一份履歷可能包含：

研究助理 Research Assistant

這時：

  • 中文逐字
  • 英文逐詞

可以提供一個一致的草稿長度指標。

但 HR 系統若限制：

500 characters

你應改看：

字元計數器

不是 Word Counter 的總「字數」。

實例三：字幕

字幕真正重要的可能是：

  • 字元數
  • 每行字元
  • 閱讀速度

而不是 linguistic word count。

所以同一段文字：

寫作檢查和字幕限制可能要看不同指標。

CJK 不只是中文

CJK 通常指：

  • Chinese
  • Japanese
  • Korean

但這不代表三種語言的真正「詞」概念完全一樣。

FunnyTools 的逐字策略是：

實用計數規則。

不是語言學斷詞器。

建議流程

  1. 先確認目標規範。
  2. 用 Word Counter 看整體篇幅。
  3. 若有硬性 character limit，再看 Character Counter。
  4. 若混有 emoji／特殊符號，再看 UTF-8 bytes。
  5. 最後到正式平台確認。

常見錯誤

把中文每個字元當成英文 word

不合理。

把英文每個字母當一個 word

也不合理。

用第三方工具結果和平台差1%，就判定工具壞掉

不一定，segmentation rules 可能不同。

投稿前只看 FunnyTools

正式限制仍以投稿系統為準。

相關內容

回報混合語言結果的寫法

報告混合稿件時，至少拆開說明 CJK 字元數、英文詞數、數字與符號的處理。不要只寫「共 120 字」，因為讀者無法知道這個數字是否包含空白和標點。若是交給編輯或老師，附上測試句與計數口徑；若是交給工程團隊，則再附上 Unicode、分詞與截斷規則。如此一來，語言內容的差異會變成可討論的規格，而不是每個人用不同工具各自猜答案。

混合稿件的實作檢查表

先把句子切成三類：CJK 字元、拉丁字母或英文詞、數字與符號。以「今天 meeting 改到 3 PM。」為例，不要只報一個總數；應說明中文採逐字、meeting 採逐詞、3 是否算 token、PM 是否算一個詞，以及句號是否納入。若文件同時要求「中文 300 字、英文 100 words」，更不能把兩個數字相加後當成同一個限制。

處理多語內容時，最好建立一組固定測試句，包含中英文相鄰、CJK 與英文之間沒有空白、數字與單位相連、網址和 emoji。每次換工具或平台，都用同一組測試句比較，並把規則寫在交件備註。這能找出分詞差異，也能避免為了讓總數看起來漂亮而任意刪除標點或改寫原句。最後仍以投稿、作業或表單系統自己的顯示結果為準。

投稿或交件前的取捨

遇到平台只接受一個總上限時，先找平台說明它的單位，再用相同口徑估算。若說明只寫 characters，應用幾組中文、英文、數字、標點與 emoji 的小樣本實測，觀察欄位倒數與送出結果；若平台沒有清楚說明，回報時同時提供 CJK 字元、英文 words、含空白字元和 UTF-8 bytes，讓審核者知道差異來源。

混合稿件最好保留兩份結果：一份給編輯看總體篇幅，一份給工程或平台驗證欄位限制。不要為了湊到上限而刪除中文標點，也不要把英文縮寫拆成單字後再宣稱是平台官方結果。最後用目標平台的預覽或草稿欄位回讀，確認實際接受的數字與本地估算沒有被自動換行、正規化或截斷影響。