中英混排文本的字数统计

英文词之间有空格，统计器按空白切开就能得到可用总数。中文和日文书写时词间没有空格，基于空白的统计器会把整句中文看成一个 token，有时甚至因为没有拉丁字符而看成零。这不是小误差，而是对整段文字用错了计量单位。

中文出版、翻译和输入限制几乎都以字符计。一个汉字就是一个单位，不论语言学分词会不会把它算成词。粗略比较时，一般散文里一个英文词大约对应 1.5 到 2 个汉字，但这个比例会随技术词汇变化，不够精确到能用于计费或严格学术限制。

有用的混排统计至少给出三个数字：英文词数、中文字符数，以及说明了规则的合计。有些工具还会报告含空格字符数以适配表单。把细分藏在单一数字后面，会逼读者猜测约定。

真实文档里有混合 token：产品名、型号、URL，以及中文句子里的英文缩写。稳健的统计器按文字系统划分每一段字符并套对应规则，而不是把整文件塞进一个分词器。数字和标点也需要明确策略，因为把每个数字串都算成英文词，会在数据密集页面上抬高总数。

当学校或出版社给双语稿设限时，问清各部分用哪个单位。有的英文摘要按词、中文正文按字；有的用固定比例全部换算。通用工具不可能知道该政策。导出各部分纯文本，分别统计，若工具不支持就手工套手册规则。

阅读速度假设因文字系统而异。英文默读常估每分钟 200 到 250 词；中文默读常估每分钟 300 到 500 字，视难度而定。把单一的每分钟词数模型套到混排页面上，会对它未校准的那一种文字报错时间。最好分开估算，或给出标注清楚的合计。

粘贴或载入全文，确认工具显示了文字系统细分，再把英文词数对照英文限制、中文字符数对照中文限制。如果只有一个合计限制，问清机构如何换算。保留你统计过的纯文本副本，有争议时才能复现。

即使仔细的双语统计器也可能误处理产品代码、URL 或粘贴的引注。工具给出总数后，浏览细分是否异常：以英文为主的摘要英文词数接近零，或中文字符数看起来像词数。当限制具有合同或学术效力时，保留你统计过的纯文本和工具设置。审稿人不同意时，这些证据比单个数字的截图更重要。

（中文扩写）Three patterns create bad totals again and again. First, an English abstract counted with a Chinese character tool, which under-reports length. Second, a Chinese body counted with a whitespace word tool, which collapses sentences. Third, a glossary of English terms inside Chinese paragraphs counted twice under inconsistent rules. Decide the unit per section before you paste anything into a counter, and write the rule next to the total you submit.