文本处理工具

字数统计的口径，与批量处理的用法

「多少字」听起来是个简单问题，实际却有很多口径。最常用的是字符数： 一个汉字、一个字母、一个标点都算一个字符。在此基础上，不含空格会剔除所有空白字符 （空格、制表符、换行），更接近「作者实际写了多少内容」。投稿、论文摘要、商品详情的字数限制， 通常看的是这两个数字之一。

真正容易踩坑的是字节数。UTF-8 是变长编码：ASCII 字符占 1 字节， 常用汉字占 3 字节，部分生僻字和 Emoji 占 4 字节。所以一篇 1000 字的中文文章大约占用 3 KB， 而不是 1 KB。数据库字段长度、短信与接口的长度限制往往以字节计算，这时必须看字节数而非字符数。

单词数按连续的英文与数字片段统计，适合英文写作；中文没有词间空格， 所以本页把汉字单独统计，中文内容的长度请以汉字数与字符数为准。 另外，行数与段落数在处理导出数据、日志和清单时最常用： 行数能直接告诉你有多少条记录，段落数则反映文章结构。

下方的批量处理覆盖了几类高频清洗动作。大小写转换用于统一代码常量、标题格式； 去除首尾空格与每行去首尾空格清理从表格、PDF 里复制出来的多余空白； 删除空行压缩粘贴后的空段；删除重复行保留每行首次出现的内容， 是清洗导出列表最快的方式；按行排序与反转行序调整顺序； 删除所有空格常用于处理验证码、密钥这类不允许空白的文本； 中文标点转西文把全角标点换成半角，避免文本进入代码、URL 或 CSV 表头后出错。

每个操作都会直接改写上方文本，可以反复叠加执行；如果不满意， 点撤销上次处理即可回退一步，方便对比处理前后的差别。 所有统计与处理都在浏览器本地完成，文本不会被上传，也不会写入本地存储。

这些统计在实际工作里有不少具体用途：投稿与翻译按字符数计费， 要先确认对方要的是「含空格」还是「不含空格」；标题、卖点常有字数上限，用字符数来卡； 短信与推送按字节或条数计费，要看字节数；导出清单要核对记录数，看行数； 日志与配置文件的清洗，则主要靠下面的批量处理。先想清楚口径，再决定看哪个数字。

使用说明

• 字符总数包含空格与换行，不含空格会剔除所有空白字符。
• 单词数按连续英文/数字片段计算，适合统计英文摘要长度。
• UTF-8 字节是实际存储/传输占用大小，中文通常每字 3 字节。
• “撤销上次处理”可回退一步，便于对比处理前后结果。