先分清三个概念
很多人搜“字符数查询”，其实需要的功能并不相同。日常写作关心的是字数，程序员关心的是字符数，做接口或数据库设计时关心的是字节数。三者口径不同，结果可能差一倍以上。
- 字数：通常按“词”或“汉字”统计，中文写作平台多用它。
- 字符数：按 Unicode 码点计数，一个汉字、一个英文字母、一个标点都算 1。
- 字节数：按存储编码计数，UTF-8 下一个汉字通常占 3 字节，GBK 下占 2 字节。
所以同一段文字，在不同工具里显示的数字不一样，不是工具出错，而是统计规则不同。
中文、英文、标点的计数差异
以 UTF-8 为例，常见字符的计数如下：
| 内容 | 字符数 | 字节数（UTF-8） |
| — | — | — |
| 一个汉字 | 1 | 3 |
| 一个英文字母 | 1 | 1 |
| 一个中文标点 | 1 | 3 |
| 一个英文标点 | 1 | 1 |
| 一个 emoji | 1-2 | 4-8 |
可以看到，纯中文文本的字节数约等于字符数的 3 倍。如果某平台限制“最多 200 字节”，实际只能写 60 多个汉字。做表单校验时，这一点很容易踩坑。
字符数查询的常见场景
写作与投稿
公众号、论文、征文通常限制字数。此时用“字数统计”即可，但要注意：有的平台把标点算入，有的不算；有的把英文单词算 1 个，有的按字母算。
表单与接口校验
昵称、签名、备注字段常限制字符数。前端 maxlength 按字符算，后端数据库字段可能按字节算。前后端口径不一致，就会出现“前端通过、入库报错”。
编程与数据处理
处理 CSV、日志、协议报文时，需要按字节切分。用 len() 得到的是字符数，用 len(s.encode('utf-8')) 才是字节数。混用会导致截断乱码。
怎么快速查询
- 在线工具：搜索“字符数统计”，粘贴文本即可，注意看清它统计的是字数还是字符数。
- 编辑器：VS Code、Sublime 状态栏可显示字符数，部分支持选中统计。
- 命令行：
wc -m统计字符数，wc -c统计字节数。 - 代码内：Python 用
len(s)和len(s.encode())分别取字符数与字节数。
两个容易忽略的细节
第一，换行符也算字符。Windows 的 \r\n 是 2 个字符，Unix 的 \n 是 1 个，跨平台统计会有细微差异。
第二，组合字符与 emoji。部分 emoji 由多个码点组成，肉眼是 1 个图形，字符数可能显示 2 或更多。如果按“可见字符”限制长度，需要额外处理。
选对统计口径，再动手查询，才能避免“明明没超，却提示超长”的困惑。
