Как посчитать количество строк, слов и символов в тексте

Для чего считать строки, слова и символы

Когда нужно быстро разобраться в объёме текста, полезно смотреть не только на число слов. Инструмент File Statistics рассчитывает базовые показатели для переданного текста: количество строк, слов, символов, байтов UTF-8, а также среднюю и максимальную длину строки. Это удобно для предварительной проверки статьи, фрагмента переписки, технического сообщения или другого текста, который уже можно вставить в поле ввода.

Показатели помогают заметить различия между визуальным объёмом и объёмом данных. Например, число символов и число UTF-8-байтов могут отличаться, а строки с пробелами ведут себя не так, как строки с видимыми знаками. Поэтому результат стоит читать вместе с правилами подсчёта, а не воспринимать каждое число как универсальную оценку длины.

Отдельно учитывайте пустой ввод. Текст можно не указывать: в этом случае расчёт завершается успешно, а статистика принимает нулевые значения для строк, символов, слов, байтов и обеих мер длины строки.

Как получить статистику из текста

Подготовьте фрагмент, который хотите проверить. Скопируйте в буфер сам текст, включая нужные переводы строк и пробелы. Инструмент рассчитан на переданный текст; путь к файлу или другой внешний источник вместо текста использовать не следует.
Откройте средство статистики текста и вставьте содержимое в поле ввода. Если нужно проверить небольшой фрагмент, введите его вручную. Перед запуском не удаляйте переводы строк, отступы и строки, состоящие только из пробелов: они влияют на интерпретацию результата.
Запустите расчёт предусмотренным элементом управления. Для поддерживаемого текста операция завершается успешно. Если поле оставлено пустым, отдельная подготовка не нужна: пустой ввод обрабатывается как текст нулевой длины и возвращает нулевые показатели.
Сначала сопоставьте число строк с исходным оформлением. Для непустого текста строки определяются разделением на строки. Разделители строк не входят в длину строк, а завершающий разделитель сам по себе не создаёт ещё одну строку. Поэтому итог может отличаться от подсчёта видимых переносов в редакторе.
Затем проверьте показатель непустых строк, если он отображается среди результатов. Строка считается непустой, когда в ней есть символ, отличный от пробельного. Строки, содержащие только пробелы или другие пробельные знаки, учитываются отдельно от непустых строк.
Сравните число слов с исходной фразой. Слова распознаются по шаблону словесных символов, поэтому результат зависит от того, какие знаки входят в такой шаблон. Для простой последовательности из пяти обычных слов, разделённых пробелами, подсчёт составляет пять слов.
Перейдите к символам и байтам. Для непустого текста число символов берётся из длины текста, а число байтов рассчитывается по его кодировке UTF-8. В русском тексте эти показатели могут не совпадать, и это нормально: они описывают разные свойства одного ввода.
В конце посмотрите на длину строк. Максимальная длина выбирается среди разделённых строк, а средняя длина для непустого текста округляется до двух знаков после запятой. Используйте эти значения для сравнения строк между собой, проверки форматирования или оценки неравномерности текста, но сохраняйте исходный фрагмент, чтобы при необходимости повторить проверку.

Как читать полученные значения

Результат лучше читать как набор взаимосвязанных измерений. Число строк показывает структуру переноса, число непустых строк помогает отделить содержательные строки от строк, заполненных пробелами, а максимальная и средняя длина описывают распределение текста по строкам. Если в конце есть перевод строки, не прибавляйте строку автоматически: само по себе это завершение не увеличивает число строк.

Число слов отвечает на вопрос о распознанных словесных последовательностях, а не о количестве фрагментов между любыми двумя пробелами. Пунктуация, специальные знаки и необычная разметка могут влиять на то, какие последовательности подходят под правило распознавания. Для обычного связного текста показатель обычно проще сопоставить с исходной фразой, чем для смешанного текста с кодом или служебными обозначениями.

Числа символов и UTF-8-байтов также не следует смешивать. Символы отражают длину текста, тогда как байты отражают объём его UTF-8-представления. Это различие особенно заметно в русском тексте. Средняя длина строки может содержать две цифры после десятичного разделителя, поэтому небольшая разница при ручном пересчёте возможна из-за округления.

Для пустого поля ожидайте успешный результат с нулевыми значениями, а не отсутствие ответа. Для непустого ввода проверяйте, что вставленный фрагмент действительно сохранил переносы строк и пробельные символы. Если нужно сравнить две версии, применяйте одинаковый способ подготовки текста: иначе различие в форматировании может оказаться важнее различия в содержании.

Практический пример

Редактор проверяет небольшой русский фрагмент перед публикацией и хочет увидеть его объём вместе с распределением текста по строкам.

Вставьте фрагмент из трёх строк с обычным текстом и одной строкой, содержащей только пробелы, затем запустите расчёт и сопоставьте показатели со структурой вставленного фрагмента.

После расчёта отображаются показатели числа строк, непустых строк, слов, символов, UTF-8-байтов, средней длины строки и максимальной длины строки.

Ограничения

Проверяется переданный текст; факты о поддержке загрузки, открытия или чтения внешних файлов не подтверждены. Значение отсутствия сетевого доступа также не говорит о размещении средства, хранении данных или требованиях к учётной записи.

Частые ошибки

Ошибка: перед подсчётом удаляют пустые строки и пробелы, а затем сравнивают результат с исходным текстом. Причина в том, что форматирование участвует в подсчёте строк и непустых строк. Исправление: вставьте исходный фрагмент без предварительной очистки и учитывайте, что строка только из пробелов не считается непустой.

Частые вопросы

Что произойдёт при пустом вводе?

Если поле оставить пустым, расчёт всё равно завершается успешно: значения строк, символов, слов, байтов, средней и максимальной длины равны нулю.

Учитывается ли завершающий перевод строки как отдельная строка?

Если в конце стоит разделитель строки, он сам по себе не добавляет ещё одну строку. Разделители также не входят в измеряемую длину строк.

Почему символов и байтов получается разное количество?

Для непустого русского текста число UTF-8-байтов может отличаться от числа символов: символы считаются по длине текста, а байты по его UTF-8-представлению.