使用方法
- 把要统计的文本粘进上面的文本框，或直接在里面输入。结果是实时更新的，页面打开时框里已经预置了一段 6 行的示例，统计卡上显示的就是它的结果。
- 先看码点（含空白）与码点（不含空白）：示例 136 与 106，相差的 30 是半角空格（25 个）与换行（5 个）。平台说「不含空格」时看的都是后一个数。
- 要跟后端交代存储体积，看UTF-8 字节。示例文本 136 个码点占 298 字节，平均一个码点 2.19 字节——中文比英文「重」，原因写在下面的原理一节里。
- 要排查「粘贴后提示超长」，看UTF-16 码元：示例 140，比码点多 4，多出来的正是表情和 ZWJ 家庭序列；不少平台的限制按码元算。
- 字素簇是「肉眼看到的字符个数」，示例 132，比码点少 4；要数用户感知的长度时用这一栏。
- 在目标平台的单条上限里填限制值（默认 280），下面立刻算出还差多少或超了多少；填非法值会告诉你允许的范围。
这个字符数统计工具能解决什么问题
一是核对数据库字段够不够长。建表时 VARCHAR(255) 能放多少内容，取决于数据库按字符还是按字节算。示例文本 136 个码点占 298 字节，光看码点会严重低估。
二是排查「粘贴后提示超长」。同一段话在原编辑器里没超，粘到后台却提示超限，常见原因是文本里夹着 Word 带来的不换行空格与全角空格（都被 \s 排进空白），或者平台按 UTF-16 码元计数、把每个表情算成 2 个。码点与码元两栏并排显示，一眼能看出是哪一栏超了。
三是校验接口的字符上限。短信、推送标题、第三方 title 字段大多有硬上限，写脚本前把样例文案量一遍，比上线后被截断再回头改省事。
四是和 CSV / Excel 的 LEN() 对账。表格里 LEN() 数的是 UCS-2 码元，和本页「UTF-16 码元」栏同源；含表情时两边会同时比码点口径大，知道这点就不会误判为表格算错。
本页的边界也要说清楚：这个字符数统计工具不按语言单位做拆分——不数中文字个数、不数英文单词、不做词频排行，也不估算朗读耗时。需要按词计的口径或词频排行，请用页面底部的「词频统计工具」。
统计原理：码元、码点、UTF-8 字节与字素簇
四种口径对应四个不同的函数，不是一个数换个名字。
其一，UTF-16 码元数，就是 s.length。ECMAScript 规范把字符串定义成 UTF-16 码元序列，length 返回的就是码元个数。U+0000 到 U+FFFF 之间的字符占 1 个码元；U+10000 以上的字符在 UTF-16 里没有单码元表示，必须拆成一对代理码元（高代理 U+D800–U+DBFF、低代理 U+DC00–U+DFFF），因此占 2 个码元。示例里的 😀 是 U+1F600，码元数是 2；一段 ZWJ 家庭序列 U+1F468 U+200D U+1F469 U+200D U+1F467 占 8 个码元。这就是码元 140 比码点 136 多 4 的来源。
其二，码点数，用 [...s].length。数组展开语法会调用字符串的默认迭代器，该迭代器按码点走：遇到代理对时一次吞掉两个码元，只产出一个值。所以它数的是「Unicode 码点个数」，也是大多数人心里那个「字符数」。
其三，UTF-8 字节数，用 new TextEncoder().encode(s).length。TextEncoder 由 W3C《Encoding Standard》定义，输出格式固定 UTF-8，没有参数能改成别的编码——所以说「字节数」必须同时说编码。UTF-8 是变长编码：U+007F 及以下 1 字节，U+0080–U+07FF 2 字节，U+0800–U+FFFF 3 字节，U+10000–U+10FFFF 4 字节。常用汉字在第三档，一个字 3 字节；😀 在第四档，4 字节。换成 GB18030 就完全不同：同一个「字」（U+5B57）在 GB18030 里是 D7 D6 共 2 字节，UTF-8 里是 E5 AD 97 共 3 字节；韩文音节 U+D55C 在 GB18030 里反而是 4 字节。
其四，字素簇数，用 Intl.Segmenter。字素簇是「用户感知到的一个书写单位」，按 UAX #29 切分：把「基字符 + 组合附加符号」合成一个，把 ZWJ 表情序列合成一个，把区域指示符组成的国旗合成一个。示例里家庭序列有 5 个码点、字素簇只有 1 个，所以总数从 136 降到 132。
中间量的流动。文本框的值先被 v.replace(/\s/g, '') 复制并删掉全部空白，得到非空白码点；\s 覆盖的不只是半角空格和换行，还包括制表符、不换行空格 U+00A0、中文全角空格 U+3000 与 BOM U+FEFF——从 Word 粘过来的文本经常夹带后两种。行数用 v.split(/\r?\n/)，段落数用 v.trim().split(/(?:\r?\n\s*){2,}/)，只有连续两个以上换行才算分段。
一个坑：按字符校验的正则要加 u 标志。不带 u 时 . 匹配不了代理对，/^.$/.test('😀') 返回 false，加上才是 true。
完整示例（数值仅作演示）
示例条件就是页面打开时文本框里那段文字，共 6 行 2 段，含中英文混排、一个表情和一段 ZWJ 家庭序列。八项指标实测结果：
- 码点（含空白）136、码点（不含空白）106、空白字符 30；
- UTF-16 码元 140，比码点多 4；UTF-8 字节 298，约为码点的 2.19 倍；
- 字素簇 132，比码点少 4；行数 6、段落数 2。
把 136 个码点按构成拆开，正好对得上总数，也能看出中文字多时字节数为什么涨得快：
| 构成 | 码点数 | UTF-8 字节 | 说明 |
|---|---|---|---|
| 汉字（CJK 基本区） | 63 | 189 | 每个 3 字节，是字节数的主要来源 |
| 数字（含 U+FF10 全角数字） | 14 | 14 | 半角数字 1 字节 |
| 拉丁字母 | 11 | 11 | UTF-8 下 ASCII 恒为 1 字节 |
| 中文与全角标点 | 10 | 30 | 顿号、句号、逗号、冒号，各 3 字节 |
| 半角空格 U+0020 | 25 | 25 | 计入码点，被「不含空白」排除 |
| 换行 U+000A | 5 | 5 | 5 个换行撑出 6 行、2 段 |
| ASCII 连字符 - | 2 | 2 | 来自 UTF-8、UTF-16 两个词 |
| emoji 😀 | 1 | 4 | 2 码元 1 码点，字节数再次放大 |
| emoji 家庭人物 | 3 | 12 | 3 个码点，各自 4 字节 |
| 零宽连接符 ZWJ | 2 | 6 | 不可见，却计入码点与字节 |
| 合计 | 136 | 298 | 与统计卡完全一致 |
把示例文本填进默认的 280 上限，按码元口径还剩 140 个，按码点口径还剩 144 个——两者不等，正是码元与码点这 4 个差造成的。留安全余量请按小的那个算。
逐字符口径对照表
下表把容易「数错」的字符逐个列出，四种口径并排。想验证某个平台的计数规则，可以拿它对照：
| 字符 | 码位 | 码元 | 码点 | 字节 | 字素簇 | 说明 |
|---|---|---|---|---|---|---|
| A | U+0041 | 1 | 1 | 1 | 1 | 基本拉丁字母，四种口径全为 1 |
| 字 | U+5B57 | 1 | 1 | 3 | 1 | 常用汉字，UTF-8 下 3 字节，GB18030 下 2 字节 |
| 龘 | U+9F98 | 1 | 1 | 3 | 1 | 笔画最多的汉字之一，仍只占 1 个码元 |
| 〇 | U+3007 | 1 | 1 | 3 | 1 | 属 CJK 符号区，不是表意文字区 |
| 한 | U+D55C | 1 | 1 | 3 | 1 | 韩文音节；做 NFD 分解会变成 3 个码点 |
| é（预组合） | U+00E9 | 1 | 1 | 2 | 1 | 1 码元 1 码点的紧凑写法 |
| e + U+0301（组合） | U+0065 U+0301 | 2 | 2 | 3 | 1 | 看起来和上面一样，码点却翻倍，字素簇仍是 1 |
| 😀 | U+1F600 | 2 | 1 | 4 | 1 | 补充平面字符：码元比码点多 1 |
| 𠮷 | U+20BB7 | 2 | 1 | 4 | 1 | CJK 扩展 B 的生僻字，与表情同属补充平面 |
| 👍🏽 | U+1F44D U+1F3FD | 4 | 2 | 8 | 1 | 表情加肤色修饰符，2 个码点合成 1 个字素簇 |
| 🇨🇳 | U+1F1E8 U+1F1F3 | 4 | 2 | 8 | 1 | 两个区域指示符拼出的国旗 |
| 👨👩👧 | U+1F468 U+200D … | 8 | 5 | 18 | 1 | ZWJ 家庭序列：8 码元 5 码点，只是 1 个字素簇 |
| VS16 | U+FE0F | 1 | 1 | 3 | 1 | 变体选择符：不改变码点，却会改变字素簇边界 |
| ZWJ | U+200D | 1 | 1 | 3 | 1 | 零宽连接符：本身不可见，却把多个码点粘成一个字素簇 |
| 半角空格 | U+0020 | 1 | 1 | 1 | 1 | 计入码点，被「不含空白」排除 |
| 全角空格 | U+3000 | 1 | 1 | 3 | 1 | 中文全角空格，同样被 \s 匹配，占 3 字节 |
| NBSP | U+00A0 | 1 | 1 | 2 | 1 | 不换行空格，从网页和 Word 复制时最常见 |
| 制表符 | U+0009 | 1 | 1 | 1 | 1 | 1 码元 1 字节，也属于 \s |
| 换行 LF | U+000A | 1 | 1 | 1 | 1 | 类 Unix 换行，占 1 个码元 |
| 回车换行 CRLF | U+000D U+000A | 2 | 2 | 2 | 1 | Windows 换行占 2 个码元，本页按 1 个换行处理 |
| 零宽空格 | U+200B | 1 | 1 | 3 | 1 | 肉眼不可见，却不属于 \s，会算进「不含空白」 |
| BOM | U+FEFF | 1 | 1 | 3 | 1 | 字节序标记属于 \s，粘贴时常被一起带进来 |
| 带圈数字 ① | U+2460 | 1 | 1 | 3 | 1 | 看起来是「一个符号」，仍占 1 个码点 3 个字节 |
| 罗马数字 Ⅻ | U+216B | 1 | 1 | 3 | 1 | 单码点表示十二，不是两个字母 |
| 全角字母 Ａ | U+FF21 | 1 | 1 | 3 | 1 | 全角字母占 3 字节，而不是 1 字节 |
输入范围、边界与精度说明
下面这些不是「限制」，而是刻意划出来的边界，知道它们能避免把本页当成万能工具：
- 文本框上限 100 万码元（
maxlength按码元计）。纯汉字能放 100 万个，纯😀只能放 50 万个，纯 ZWJ 家庭序列只能放 12.5 万个。 - 空文本时八项全是 0，包括行数和段落数，不会出现「1 行」这种看着就不对的默认值。
- 只有空白时：码点按实际空白个数计，不含空白一栏为 0，行数等于换行数加 1，段落数为 0。三个空格加一个换行，就是「码点 4、不含空白 0、行数 2、段落 0」。
- 段落判定只认连续空行。
甲\n乙是 2 行 1 段；甲\n\n乙与甲\n\n\n乙都是 2 段；首尾空白在分段前先被trim()掉。 - 目标上限只接受 1～1000000 的整数，小数、负数、字母、空值都会被拒绝并给出具体提示。上限只用来算余量，不参与其它七项统计。
- 字素簇一栏依赖
Intl.Segmenter。万一运行环境没有这个接口，该栏会显示「不可用」，而不是悄悄退回按码点数。 - 四种口径互不替代。同一个表情在四栏里分别是 2、1、4、1。报数时务必带上口径名字，只写「一共 140 个字符」很容易引起争执。
- 本页不做归一化。NFC、NFD 由你决定是否预先处理；本页按你粘进来的原样数，否则你看到的数就和你实际存进去的字节对不上了。
常见问题
同一段文本，为什么两个统计页给出的数不一样？
因为口径不同。本页给的是码点、码元、UTF-8 字节和字素簇四个数，按语言单位划分的口径算的是另一套东西。示例文本在本页是码点 136、码元 140、字节 298、字素簇 132；你在别处看到的别的数，多半是按汉字或按词计的口径。先确认口径名字，再比数字。
一个表情到底算几个字符？
看口径。示例里的 😀：码点 1 个、UTF-16 码元 2 个、UTF-8 字节 4 个、字素簇 1 个。平台说「最多 280 个字符」时，多数是按码元算的，要按 2 来估；本页的「目标上限」默认就是 280，并按码元口径算余量。
为什么「UTF-16 码元」比「码点」大？
因为 U+10000 以上的字符必须用一对代理码元表示，占 2 个码元却只是 1 个码点。示例里表情让码元多 1，ZWJ 家庭序列多 3，合计多出 4，136 就变成 140。纯中文或纯英文文本里这两个数完全相等。
字素簇什么时候比码点少？
只要文本里有组合附加符号、ZWJ 序列、肤色修饰符或区域指示符，字素簇就会少于码点。示例中家庭序列从 5 个码点压成 1 个字素簇，总数便从 136 降到 132。做「用户眼里的长度」校验看字素簇，做存储容量估算看字节。
字节数为什么必须说明编码？
因为同一个字符在不同编码下字节数不同。常用汉字在 UTF-8 里 3 字节，在 GB18030 里 2 字节；韩文音节 U+D55C 在 UTF-8 里 3 字节，在 GB18030 里反而是 4 字节。本页字节栏由 TextEncoder 产生，固定 UTF-8，所以报数要写成「UTF-8 字节 298」。
空格、换行、中文标点算不算？
都计入「码点（含空白）」。示例 136 与 106 的差额 30 就是 25 个半角空格加 5 个换行。中文标点同样计入码点与 UTF-8 字节（各 3 字节），但不影响空白相关的两个数字。
CSV 或 Excel 里的 LEN() 为什么和这里对不上？
它们数的是 UCS-2 码元，和本页的「UTF-16 码元」同一口径，这个数应该相等；对不上通常是两种原因：一是单元格里的文本和这里粘贴的不完全一样，二是你拿 LEN() 的结果去比本页的码点栏，而这两栏在含表情时本来就差着几个。
文本会上传或保存吗？上限是多少？
不会。这个字符数统计工具的全部运算都在当前页面完成，没有网络请求，也不写浏览器存储，刷新后文本框回到预置示例。上限是 100 万码元，超过后输入框不再接收新内容，已有文字不会被截断。想自己确认，打开开发者工具的 Network 面板，输入时观察有没有请求发出即可。