Como contar palavras em chinês (e por que os resultados variam) | TextToools

Em geral, a escrita chinesa não separa as palavras com espaços. Um contador não consegue dividir o texto pelos espaços como faz com o inglês: precisa estimar onde cada unidade lexical começa e termina.

Por isso, dois contadores podem mostrar totais diferentes para o mesmo trecho em chinês. As regras de segmentação ou os dados de idioma podem variar. Se uma instituição, publicação ou formulário exigir um método, use esse método para obter a contagem final.

Um caractere chinês é uma unidade escrita; uma palavra pode ter um ou mais caracteres. Por exemplo, na frase “今天的天气很好” (O tempo está bom hoje), um segmentador pode agrupar o texto assim: “今天 / 的 / 天气 / 很好”. Contar cada caractere, cada segmento ou apenas os símbolos sem espaços responde a perguntas diferentes.

Confira o que o trabalho realmente pede: palavras (词数), caracteres (字数) ou o limite específico de uma plataforma. Não presuma que o total de “palavras” equivale ao de caracteres nem que todos os contadores usam a mesma definição.

O TextToools usa a segmentação de palavras do navegador, configurada para chinês simplificado, e conta os segmentos identificados como unidades lexicais. Isso é diferente de contar espaços, caracteres ou sinais de pontuação. O contador também mostra um total separado de caracteres, calculado com sua própria regra baseada em grafemas.

O Unicode descreve os limites do texto como diretrizes que podem ser adaptadas a idiomas e convenções específicas. Um segmentador oferece uma estimativa prática e consistente, não uma autoridade linguística universal para todos os contextos ou vocabulários.

Considere “今天的天气很好，我们去公园散步。” (O tempo está bom hoje e vamos passear no parque). O segmentador atual do TextToools divide o texto assim: “今天 / 的 / 天气 / 很好 / 我们 / 去 / 公园 / 散步”. Já uma contagem de caracteres considera os caracteres visíveis, enquanto um contador que só separa por espaços pode tratar a frase inteira como um único grupo. Cada resultado segue uma regra diferente.

1. Confirme se o limite pedido é em palavras, caracteres ou outra unidade.

2. Use um contador configurado para chinês em vez de depender da separação por espaços.

3. Cole exatamente o texto incluído na contagem; adicione títulos ou notas somente se as instruções também os incluírem.

4. Compare o resultado com o método exigido pelo destino. Se o limite for rígido e nenhum método estiver indicado, pergunte qual contador ou definição deve ser usado.

5. Mantenha o mesmo método durante as revisões, para que as diferenças reflitam as edições e não uma mudança na regra de contagem.

A segmentação do chinês não é simplesmente uma busca por espaços. Programas diferentes podem usar dados de idioma, versões ou regras distintas para limites ambíguos, nomes próprios e trechos que misturam chinês e inglês. Uma divergência não significa automaticamente que exista um erro; primeiro confira se os dois contadores medem a mesma unidade pelo mesmo método.

O TextToools calcula o total no navegador e não envia o texto. Ele usa o comportamento de segmentação disponível no navegador, por isso outra ferramenta ou sistema pode apresentar um resultado diferente. Se o sistema de envio exigir um contador específico, siga o resultado dele.

Cole o texto em chinês simplificado no contador de palavras do TextToools para ver os totais de segmentos lexicais e de caracteres. Use o total de palavras como referência consistente durante a edição e siga o método do destino quando precisar cumprir um limite formal.

Ao incluir a contagem de palavras em chinês no TextToools, quis usar a segmentação adequada ao idioma em vez de tratar uma frase sem espaços como uma palavra só. Também deixei a contagem de caracteres separada, porque palavras e caracteres respondem a perguntas diferentes.

Escrito pelo fundador do TextToools. Construo ferramentas de texto que respeitam a privacidade porque acredito que seu texto não deve sair do seu navegador.