统计字数

统计什么，由谁来统计

字数不是由我们计算的。词语来自浏览器自带的Unicode分词器，调用时使用其默认区域设置而非指定的某种语言，页面保留它标记为“类词”的片段。在此之上，我们没有为连字符、撇号或数字额外添加任何规则——您得到的是分词器对词语起始位置的判断，所以中文和日文的结果是正确的，也正因如此，两台机器上的两个浏览器对同一段文本的结果可能会有细微差别。如果浏览器版本太旧、没有分词器，页面会退回到按空白拆分，并告诉您这个数字是近似值——而更简单的统计工具一直都在给您这个数字，只是从不说明。

段落数和行数由我们自己的规则统计，而且两者的规则并不相同。段落的边界是一个空行——两个换行符之间只有空格或制表符——所以拖放进来的Windows文本文件如果保留了回车符，会被算作一个段落；粘贴到文本框里的文本从来不会有这个问题，因为文本框传过来的是换行符。行数按照编辑器行号栏的方式统计：空文本框是零行，一个词是一行，以换行符结尾的文件最后有一个空行，也会被计入。这刻意不同于命令行wc报告的结果，wc统计的是行结束符的数量。

另外两个较小的决定，可以解决大多数关于数字的争议。“不含空格的字符数”会去掉浏览器认定为空白的所有字符，其中包括从网页复制文本时带来的不换行空格——但不包括零宽空格，它不属于空白，仍会计入。最长词和平均词长是按码位计算的，而不是按主要字符数所用的字素簇计算，所以带有emoji或组合重音符号的词，在这里量出来会比看上去更长。词频表默认隐藏约六十个常见的英语功能词，除非您要求显示；并且无论您用什么语言写作，都按普通英语规则忽略大小写。

如果您需要的是别的

如果最终由某个特定程序来评判，只有那个程序的数字才算数。期刊要求“包括参考文献在内八千词”，指的是Word统计出的数字，而Word会按照自己的设置统计域、脚注、题注和文本框。本页在普通文章上的结果会很接近，但不会一字不差，所以请以评判您的那个工具为准，而不是以本页为准。

如果不止一个文档，统计只需一行命令。wc -w可以一次处理整个文件夹，并能流式处理比内存还大的文件；对于Markdown、HTML或LaTeX，先用pandoc把文件转成纯文本，就能去掉标记，这样代码块、链接目标和标签就不会被当作正文计入——这就是仓库字数统计和真实字数之间的差距。这两件事，粘贴框都无法对四百个文件做到。