Cómo contar palabras en chino (y por qué varían los resultados) | TextToools

El chino normalmente no separa las palabras con espacios. Un contador no puede dividirlo por espacios como hace con el inglés: tiene que estimar dónde empieza y termina cada unidad léxica.

Por eso, dos contadores pueden mostrar totales distintos para el mismo texto. Sus reglas de segmentación o sus datos lingüísticos pueden variar. Si una escuela, editorial o formulario especifica un método, utiliza ese método para el recuento final.

Un carácter chino es una unidad escrita; una palabra puede tener uno o varios caracteres. Por ejemplo, en «今天的天气很好» (Hoy hace buen tiempo), un segmentador podría agrupar el texto así: «今天 / 的 / 天气 / 很好». Contar cada carácter, cada segmento o solo los símbolos sin espacios responde a preguntas distintas.

Comprueba qué pide realmente tu tarea: palabras (词数), caracteres (字数) o el límite específico de una plataforma. No des por hecho que el total de «palabras» equivale al de caracteres ni que todas las herramientas usan la misma definición.

TextToools utiliza la segmentación por palabras del navegador adaptada al chino simplificado y cuenta los segmentos identificados como unidades léxicas. No cuenta espacios, caracteres ni signos de puntuación. El contador también muestra por separado los caracteres, con su propia regla basada en grafemas.

Unicode describe los límites del texto como pautas que pueden adaptarse a los idiomas y convenciones. Un segmentador ofrece una estimación práctica y coherente, pero no es una autoridad lingüística universal para cada contexto o vocabulario.

En «今天的天气很好，我们去公园散步。» (Hoy hace buen tiempo y vamos a pasear al parque), el segmentador actual de TextToools lo divide así: «今天 / 的 / 天气 / 很好 / 我们 / 去 / 公园 / 散步». Un contador de caracteres cuenta los caracteres visibles; uno que solo separa por espacios podría tratar la oración entera como un único grupo. Cada resultado sigue una regla distinta.

1. Confirma si el límite solicitado se refiere a palabras, caracteres u otra unidad.

2. Usa un contador configurado para chino en vez de depender de la separación por espacios.

3. Pega exactamente el texto que entra en el recuento; incluye títulos o notas solo si las instrucciones los cuentan.

4. Compara el resultado con el método exigido por el destinatario. Si el límite es estricto y no se indica ningún método, pregunta qué contador o definición debes seguir.

5. Mantén el mismo método al revisar el texto para que las diferencias se deban a tus cambios y no a otra regla de recuento.

La segmentación del chino no consiste simplemente en buscar espacios. Distintos programas pueden usar datos lingüísticos, versiones o reglas diferentes para resolver límites ambiguos, nombres propios y texto que mezcla chino e inglés. Una discrepancia no significa automáticamente que haya un error: comprueba primero si ambos contadores miden la misma unidad con el mismo método.

TextToools calcula el recuento en tu navegador y no sube el texto. Utiliza el comportamiento de segmentación disponible en el navegador, así que otra herramienta o sistema puede dar un total diferente. Si el sistema de entrega especifica un contador, sigue su resultado.

Pega el texto en chino simplificado en el contador de palabras de TextToools para ver el total de segmentos léxicos y el de caracteres. Usa el de palabras como una referencia coherente al editar y sigue el método del destinatario cuando tengas que cumplir un límite formal.

Al añadir el recuento de palabras en chino a TextToools, quise usar una segmentación adaptada al idioma en lugar de tratar una oración sin espacios como una sola palabra. También separé el total de caracteres, porque las palabras y los caracteres responden a preguntas distintas.

Escrito por el fundador de TextToools. Creo herramientas de texto que respetan la privacidad porque tu texto no debería salir de tu navegador.