文本处理 / 使用指南
字数、字符数和字节数，为什么对不上？
中文、英文和 emoji 混排时，先选对计量方式，再判断是否超限。
打开 文本统计 ↗同一段文字，可以有不同的长度
写文章时，我们常说“这段有多少字”；提交表单时，系统却可能限制字符或字节。它们衡量的东西不同。比如“AI你好”有四个 Unicode 码点；按 UTF-8 编码，两个英文字母各占一个字节，两个汉字各占三个字节，总共八个字节。
如果界面显示剩余字数，但保存时仍提示内容太长，可能是前后端使用了不同口径。先查看产品规则，确认限制的是可见字符、UTF-16 长度、UTF-8 字节，还是某一种分词结果。
本工具的五种统计口径
“可见字符单元”使用浏览器的 Intl.Segmenter 按字素簇分段。它把通常被人看成一个字符的组合尽量算作一个，例如带组合音标的字母和部分连在一起的 emoji。这个计数包含空格与换行；“不含空白”会去掉仅由空白构成的单元。
“Unicode 码点”按字符串的码点迭代计数；“UTF-8 字节”使用 TextEncoder 得到实际编码长度；“非空行”按换行分隔，再排除只有空格或制表符的行。不同操作系统的换行符可能不同，因此本工具把 CRLF、CR 和 LF 都视为换行。
用三个例子检查你的需求
例一：把“AI你好”粘贴进去，可见字符和码点都是 4，UTF-8 字节为 8。若接口最多接受 6 个字节，这段文字仍然超限；删除空格并不能解决这个例子。
例二：输入一行文字，换行后再输入第二行，中间插入一个空白行。非空行应为 2，而字符统计仍然包含换行。你可以据此检查导出文本是否意外多了空行。
例三：复制一个由多个成员组成的家庭 emoji。视觉上它可能是一枚图标，但内部含多个码点和连接符。可见字符数与码点数不同是正常现象，不代表数据损坏。不同浏览器使用的 Unicode 数据版本也可能影响少数新符号的分段。
字符数不能直接当作 token 数
语言模型通常先把文本编码为 token。不同模型和编码器会把同一段中英文文本切成不同数量的 token，标点、空格和代码也会影响结果。因此，本工具不估算模型 token 数，也不据此估计费用或剩余上下文。
如果你要检查模型输入是否超限，应使用该模型对应的分词器或接口返回的用量。字符统计适合检查表单长度和文本规模，不适合代替账单或上下文窗口验证。
整理文本时，保留原文
多一个空格有时是排版问题，有时却是代码、诗歌或表格的内容。本工具只统计，不自动去空白、改换行或清洗文字。可以先复制原文到安全位置，再在你熟悉的编辑器中修改，回到工具复查结果。
统计在输入后自动更新，输入仅存在于当前页面内存中，不会上传或写入本工具的本地存储。为了避免浏览器卡顿，单次输入限制为 200000 个 UTF-16 单元；超过这一规模的文件适合用本地脚本处理。
标准与参考
本文围绕本站工具的实际行为编写。发现说明与结果不一致，可通过联系页面反馈，并附上不含敏感信息的最小示例。