写东西的时候经常要关心字数。论文要求八千字，微博限制一百四十字，Twitter 只给 280 个字符（英文）。这些"字"和"字符"到底是不是一回事？为什么同一个文本在不同地方显示的字数不一样？这篇文章把这几个概念说清楚。
字符数和字数有什么区别
字符数是你输入的每一个符号都算一个，包括字母、数字、标点、空格、换行。比如 "Hello 你好" 的字符数是 8（5 个英文字母 + 1 个空格 + 2 个汉字）。在计算机看来，每个字符就是一个 Unicode 编码点。
字数则要看怎么定义。中文语境下通常说的"字数"指的是汉字的数量，不包括标点和空格。但这个规则不统一，有些场合会把标点也算进去，有些不算。文本统计工具一般会同时给出多个指标，让用户自己判断用哪个。
对于纯英文文本来说，"词数"（word count）比字数更有意义。英文的 word count 是按空格分词后统计单词数量。"I love programming" 是 3 个词，字符数是 18（含空格）。中文字数统计没有这么明确的分词标准，所以大多数中文场景下说的字数其实就是字符数或者汉字数。
字节数：跟编码方式有关
字节数是最容易让人困惑的一个概念。同样的内容，字节数可能差好几倍，原因在于字符编码。
在 ASCII 编码时代，所有字符都是 1 个字节，没什么歧义。但现在用的是 UTF-8 编码，情况就复杂了：
- 英文字母、数字、半角标点：占 1 个字节
- 大部分欧洲语言的重音字符：占 2 个字节
- 中文、日文、韩文等 CJK 字符：占 3 个字节
- 一些特殊符号（比如 emoji）：占 4 个字节
举个例子："Hello 世界" 这个字符串：
- 字符数 = 8（H-e-l-l-o-空-世-界）
- UTF-8 字节数 = 5 + 1 + 6 = 12 字节
- 如果是 GBK 编码的话，字节数 = 5 + 1 + 4 = 10 字节（中文 GBK 每个汉字 2 字节）
所以当你看到某个系统报错说"超过长度限制"的时候，先确认它说的是字符数还是字节数，以及用什么编码计算的。
文本统计实际用在哪里
论文字数统计
学校或期刊对论文字数的要求通常是包含正文、不含参考文献和附录的字数。不同学校的计算口径可能不一样：有的算字符数（含标点），有的只算纯汉字，有的连空格和换行都算。提交前最好问清楚具体标准，或者用学校指定的统计工具来算。
Word 自带的字数统计功能其实挺全的，会分别显示字符数（计空格/不计空格）、字数（这里的"字"其实是 word count，对中文不太准确）、段落数、行数等信息。如果需要更精细的控制，可以把文本复制到在线统计工具里看详细数据。
社交媒体的字数限制
微博原来的限制是 140 字，后来改成了根据内容类型动态调整。一条普通的微博可以发 2000 多字，但带图片、视频的话文字额度会减少。微博的计算方式比较复杂，URL 链接不管多长都按固定长度算，这是为了鼓励用户分享链接。
Twitter/X的限制是每条推文 280 个字符。这里明确说是 characters，不是 words。而且 Twitter 对 CJK 字符有优惠待遇：一个 CJK 字符算两个普通字符的位置（因为信息密度高）。所以实际上中文用户能发的内容比英文用户多不少。
微信公众号的标题限制是 64 个字符，正文没有明确的上限，但如果太长会影响阅读体验和加载速度。一般建议正文控制在 2000-3000 字以内。
代码行数统计
程序员有时候要统计代码量，比如写简历的时候想吹一下自己写了多少行代码，或者项目交付时要报告代码规模。这时候统计的是"非空白行数"或者"有效代码行数"，不包括空行和纯注释的行。
不同的统计工具有不同的算法。有些只数 .java 或 .py 文件，有些会排除 node_modules 和 vendor 目录，有些会把配置文件也算进去。如果你真的要一个准确的数字，最好说明白是用什么工具、什么参数跑出来的。
词数统计对中文有什么局限
英文做词数统计很简单——按空格和标点切分就行。中文不一样，中文的词与词之间没有空格分隔，要做"词数统计"必须先分词。
分词这件事本身就很难。同样一句话："南京市长江大桥"，可以切成"南京 / 市 / 长江 / 大桥"，也可以切成"南京市 / 长江 / 大桥"。不同的分词结果会导致词数不同。
目前主流的分词算法基于词典匹配或者统计模型（比如隐马尔可夫模型 CRF、深度学习的 BERT），准确率能做到 95% 以上，但在专业术语、网络新词、人名地名这些地方还是会出错。
所以中文场景下的"词数"参考价值有限。大多数时候还是看字符数或者汉字数更靠谱。
其他常用统计项
除了上面说的三个主要指标，文本统计工具通常会还提供这些数据：
- 段落数：按换行符分割后的块数
- 行数：包含空行的总行数
- 句子数：按句号、感叹号、问号分割的数量（对中文来说不够准）
- 平均词长/句长：用于分析文本的可读性
- 唯一词汇数：去重后的词或字的数量，反映词汇丰富度
这些指标在 SEO 优化、内容质量评估、学术论文分析等领域有用。日常写作一般不需要关注这么多。
常见问题
为什么不同工具的统计结果不一样？
因为"字数"的定义不统一。有的工具按字符数算（每个汉字算 1 个字符），有的按词数算（需要分词），有的把标点也算进去。加上编码方式不同（UTF-8 一个汉字 3 字节，GBK 是 2 字节），字节数也会有差异。用之前先确认工具的统计规则。
微信公众平台的字数怎么算的？
微信公众平台按字符数统计，汉字、字母、数字、标点都算 1 个字符。空格不计入。如果文章超字数限制，优先删减冗余标点和空行。
能统计代码行数吗？
可以。文本统计工具会输出总行数、非空行数和空行数。但不区分代码行和注释行。如果需要更详细的代码统计（有效代码行、注释行、空行），建议用专门的 cloc 工具。
小结
字符数、字数、字节数这三个概念看着差不多，含义和使用场景差别很大。写论文、发微博、填表单之前搞清楚对方要的是哪个指标，免得返工。遇到不确定的情况，把几个数字都准备好，到时候哪个合适用哪个。