统计字符出现次数工具

使用方法

1. 文本框里已经写好了示例串 Hello 世界 😀 é è 𠮷 Liǔquán Tools，打开即出结果。粘贴自己的内容后点「开始统计」，或者按 Ctrl+Enter（Mac 上 Cmd+Enter）触发。
2. 「口径」二选一：按码位统计时一个 emoji 算 1 个字符；按码元统计时按 UTF-16 码元切分，非 BMP 字符会拆成两个代理项，页面用 U+D842 这样的码位标注显示它们。
3. 「忽略大小写」把 A 与 a 合并计数，显示的仍是第一次出现的那个字形；「忽略空格」把空格、制表符、换行、全角空格一并跳过。
4. 「只统计某个字符」填一个字符就只看它：填「柳」会得到它在文本里出现几次；留空则统计全部。填了两个及以上字符会提示只能填一个。
5. 「最多统计几种字符」默认 50，范围 1 到 500，用来给长文本封顶；「占比小数位」默认 2，范围 0 到 4。
6. 结果区上面一行是四个总数：码位数、码元数、两者之差、去重字符种数。下面一段是频次清单，每行给出字符、次数、占比与它占几个码元。
7. 清单下面是一张频次表，默认显示 12 行，点「加载更多」展开全部，点「导出 CSV」存成带字节序标记的文件；「复制结果」复制整段清单。
8. 「复制对照表」复制正文里那张关键数字表，制表符分隔，可以直接粘进表格软件。
9. 文本框留空、文本超过 100000 个码元、只统计框填了多个字符、上限不是 1 到 500 的整数，都会给出指明原因的提示。

这个统计字符出现次数工具能解决什么问题

最常见的一处对不上是：同一个字符串，不同地方数出来的长度不一样。示例串在 JavaScript 里 .length 给的是 32，而按字符数是 30，差 2。差的这 2 来自 😀（U+1F600）和 𠮷（U+20BB7）——它们都在基本多文种平面之外，一个字符要占两个 UTF-16 码元。数错了长度，前端的输入框字数限制、后端的字段长度校验、短信分条计费都会跟着错。

第二处对不上是同一个字形有两条不同的码位序列。é 可以是预组合的 U+00E9（1 个码位），也可以是 e 加组合附加符 U+0301（2 个码位）。两段看起来一模一样的文本，如果不做 Unicode 正规化就统计，会得到两个不同的字符数。本页照原样统计，不做正规化，为的就是把这种差异暴露出来。

第三类需求是快速核查：一段文本里空格出现 7 次、字母 l 出现 3 次、o 出现 3 次，这类数字在排版检查、密码强度自检、验证码文本核对里用得上。中文场景同样适用——「柳泉工具柳泉在线」码元 8、码位 8，其中柳 2 次、泉 2 次。

需要提醒的是边界：本页只回答「某个字符出现了几次」。把它当关键词密度用是错的，中文没有空格分词，单字频次对检索排序没有意义，真要的是词频。

计算原理与变量说明

页面只做三件事：切分、计数、排序。切分决定「一个字符是什么」，计数用一张以字符为键的映射表累加，排序按次数降序、次数相同时按第一次出现的位置升序。

.length 数的是 UTF-16 码元，不是字符。JavaScript 的字符串内部是 UTF-16 序列，.length 返回的是码元个数。所有非 BMP 字符——emoji、罕见汉字、古文字、部分音乐符号——都会让这个数字偏大，每出现一个就多算 1。要拿字符数，必须按码位迭代。

字素簇不等于码位。👨‍👩‍👧 这个家庭 emoji 由 5 个码位组成（三个人物各 1 个、中间两个零宽连接符 ZWJ），占 8 个码元，但人眼看到的是 1 个「字」，也就是 1 个字素簇。🇨🇳 国旗是 2 个区域指示符码位、4 个码元、1 个字素簇。按码位统计 emoji 会数出好几倍，这是「数字符」与「数字」的根本分歧。

两种口径下的占比分母不同。切到码元口径时，参与统计的单元数从 30 变成 32，同一个字符的占比会被摊薄；非 BMP 字符还会被拆成两个代理项，各自单独计数。页面把它显示为 U+D83D、U+DE00 这样的码位标注，而不是裸字符，因为单独一个代理项并不是合法文本。

忽略大小写用的是简单小写映射。它把 A 与 a 归一、把 É 与 é 归一，显示的仍是首次出现的字形。它不做土耳其语 dotless i 这类区域特化映射，也不做正规化，所以 é 的两种写法在这一页里仍然是两个不同的字符。

完整示例（数值仅作演示）

打开页面时的默认结果：口径为码位，码位数 30、码元数 32、相差 2，去重 20 种。频次最高的三个是空格 7 次（23.33%）、字母 l 3 次（10.00%）、字母 o 3 次（10.00%），其余字符各 1 次，其中 H、e、世、界、😀、é、è、𠮷、L 都在示例串里只出现一次。

切到码元口径后，总数变成 32，😀 与 𠮷 各自被拆成两个代理项：😀 变成 U+D83D 与 U+DE00，𠮷 变成 U+D842 与 U+DFB7，四个代理项各计 1 次。这时「字符」这一列里的 U+ 开头条目就是代理项，它们不是合法字符，只是 UTF-16 的存储单元。

只统计某个字符：在「只统计某个字符」框里填「世」，结果只留一行——世 1 次、3.33%、占 1 个码元。换成中文短串「柳泉工具柳泉在线」，码元 8、码位 8，柳 2 次、泉 2 次，其余各 1 次。

勾选「忽略空格」后空格那一行消失，总数从 30 降到 23，其余字符的占比相应上升；勾选「忽略大小写」后 l 与 L 合并为 4 次（串里没有大写 O，o 仍是 3 次）。两个开关可以同时开。

字符计数对照表

第一张表是示例串的关键数字，「复制对照表」复制的就是它。

第二张表说明同一个 é 的两条码位序列。两段文本渲染出来完全一样，字符数却不同，这是文本统计里最常见的对不上。

读法：第一张看两种口径的差距从哪来，第二张看同一个字形的两种编码。两者都不是 bug，是 Unicode 的设计。

结果边界、舍入与适用说明

• 文本框留空时提示请粘贴内容，不会拿上一次的结果冒充本次输出；清空后点「开始统计」会自动把示例串填回去。
• 文本超过 100000 个码元时提示具体长度并请分段粘贴，避免整页卡住。
• 「只统计某个字符」填了两个及以上字符时提示它只能填一个；填的字符不在文本里时给出 0 次的结果并注明未出现，不算错误。
• 「最多统计几种字符」留空、写成小数或超出 1 到 500 时分别给出对应提示；「占比小数位」超出 0 到 4 同理。
• 占比四舍五入到指定小数位，各字符占比之和可能不等于 100%，这是舍入的正常结果，不是漏统计；「忽略空格」会把空格从分母里剔除，因此空格那一栏消失后其余占比会相应上升。
• 码元口径下非 BMP 字符被拆成两个代理项，显示为 U+ 开头的码位标注；单独一个代理项不是合法字符，不能粘回文本里用。
• 本页不做 Unicode 正规化，NFC 与 NFD 两种写法按不同字符计数；需要先统一编码的请先做正规化再粘贴进来。
• 字素簇（人眼看到的一个「字」）不在本页统计范围内，页面给出的 5 / 8 / 1 只是说明它与码位不是一回事。
• 本页只数字符，不分词；需要的词频请找对应的词频工具。

常见问题

相关工具

• 字符数统计工具：只看总长度，不拆频次。
• 词频统计工具：按词而不是按字符统计，中文场景该用它。
• 字母统计：只针对拉丁字母的计数。
• 字数统计工具：字数、行数、段落数的整体口径。
• 字符串长度统计：开发视角的长度与字节数对照。
• 文本工具：查看全部文本工具。