字母统计

使用方法

1. 把文字粘进上面的文本框，或直接输入。打开页面时框里已经有一段 4 行示例，八张统计卡与下面的频率表显示的就是它的结果。
2. 看第一排卡片区分口径：总码点是整段文本的字符个数（示例 118），字母总数只数 A–Z / a–z（示例 61），两者之差 57 就是非字母部分。
3. 大写字母与小写字母分开计数（示例 11 与 50），用来检查一段文本的大小写是否符合规范，比目视扫一遍可靠得多。
4. 元音与辅音默认按 a、e、i、o、u 五个元音划分，y 归辅音（示例 24 与 37）。需要按「y 也是元音」的口径统计时，勾上「把 y 计入元音」，元音立刻变成 25、辅音 36。
5. 频率表逐行给出 a 到 z 每个字母的小写次数、大写次数、合计次数、占字母总数的百分比和它的类别。表里默认显示 12 行，往下拉会出现「加载更多」。
6. 「只显示出现次数 ≥」用来压缩长表：填 1 保留全部 26 行，填 2 只剩 16 行，填 6 只剩 a、e 两行。数字框里按 Enter 应用，文本框里按 Ctrl + Enter 立刻重算。
7. 「复制对照表」把整张频率表以制表符（TSV）复制到剪贴板，「导出 CSV」下载带 BOM 的表格文件，Excel 打开不乱码。

这个字母统计能解决什么问题

一是核对大小写规范。标题型文案里混进小写、变量名里混进大写，肉眼很容易漏掉。把整段粘进来，看「大写字母」是不是等于你预期的个数，比逐字检查快得多。

二是排查「看着像字母其实不是」的字符。从 Word、PDF、某些排版软件里复制出来的文本，经常混着全角 Ａ（U+FF21）或带重音的 é（U+00E9）。它们在屏幕上和普通拉丁字母几乎一样，却不在 ASCII 区间里，程序按 a–z 处理时全部落空。这个字母统计只认 A–Z 与 a–z，把这类字符直接排除在字母之外，一眼就能看出「字母总数」是不是被低估了。

三是文本特征与用词分析。字母频率是最基础的文本指纹：英语里 e 和 a 通常排在最前，而示例这段 pangram 里 a 与 e 并列第一（各 6 次）。写密码学练习、做简单的文字游戏、比较两段文本的用词倾向，都会用到这张频率表。

四是验证码与编码类校验。字母统计只数 a–z，不掺汉字和符号，检查一串随机码里字母位数是否够、大小写比例是否失衡都很直接。

本页不做这些事：不统计汉字与标点（那要看总码点）、不做分词与词频排行、不做繁简转换、不检查拼写。要统计汉字个数请用页面底部的「文本统计工具」，要看某个词在文中占比请用「关键词密度检测」。

统计原理：逐码点遍历与 ASCII 区间分类

第一步是把文本逐个码点走一遍，写法是 [...x] 而不是 x.split('')。这不是风格问题：ECMAScript 的 String 类型内部用 UTF-16 存储，x.length 数的是 16 位码元，而 [...x] 走的是字符串迭代器（规范里 String 的 Symbol.iterator），每次吐出一个完整码点。遇到补充平面字符时两者结果不同：😀 是 U+1F600，在 UTF-16 里是一对代理 D83D DE00，算 2 个码元、1 个码点。示例文本按码点是 118，按码元是 119，差的正是那 1 个表情。

第二步是区间分类，判据只有两句比较：c >= 'A' && c <= 'Z' 算大写，c >= 'a' && c <= 'z' 算小写，其余一律不计入字母。对应到码位就是大写 U+0041–U+005A（十进制 65–90）与小写 U+0061–U+007A（十进制 97–122），两个区间各 26 个码位，且大小写之间恰好相差 32——也就是 'A'.charCodeAt(0) + 32 就是 'a'。这是 ASCII 沿用到 Unicode 的一条老规矩：把大小写合并统计时，只需要把大写码位加 32，不需要查表。

第三步是元音判定。默认元音集合固定为 a e i o u 五个字母，其余 21 个字母算辅音，5 + 21 = 26 正好覆盖整个字母表。这个划分来自英语传统教学口径，不是 Unicode 的定义——Unicode 只定义码位，不定义元音。争议点永远在 y：它在 gym、myth 里确实发元音，但在 yes、year 里是辅音，一个字母的归类取决于它在单词里的位置。本页默认把 y 归辅音，并额外给一个「把 y 计入元音」的开关，让你按自己那套口径复核——示例里切一下就差了 1 个元音（24 → 25）。

关键参数为什么这样取。「只显示出现次数 ≥」的下限是 1，因为计数为 0 的字母留在表里没有信息量；上限设 1000，是因为一段 20 万码点的文本里单个字母极难超过 1000 次，设得再高只会让用户误以为能过滤掉什么。文本上限 20 万字符是按 UTF-16 码元计的，超过之后输入框不再接收新内容——这是为了让「输入即统计」保持跟手，而不是为了限制篇幅。

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的那段文字：一行 26 字母 pangram、一行中文说明、一行含大写邮箱的英文，再加一个 emoji。全部指标实测如下：

• 总码点 118（按 UTF-16 码元是 119，多出来的 1 个码元来自那个 😀）；
• 字母总数 61，其中大写 11、小写 50；
• 元音 24、辅音 37，元音占全部字母的 39.3%，大写占 18.0%；
• 非字母 57 个，拆开是空白 17、汉字 31、其它符号 9、数字 0；
• 字母种数 26 / 26——那行 pangram 覆盖了全部 26 个字母，所以表里 26 行没有一行是 0；
• 出现最多的是 a 与 e，各 6 次，各占 9.84%；其次是 o 的 5 次（8.20%），再往下 l、m、u 各 4 次（6.56%）。

把 61 个字母按类别核对一遍，正好对上卡片上的数字：

输入范围与对照表

「只显示出现次数 ≥」这个阈值直接决定表格有多长，下面是同一段示例在各级阈值下保留的行数（实测）：

下面这些字符在屏幕上和普通字母几乎一样，但都不在 U+0041–U+005A 与 U+0061–U+007A 里，逐个列出来方便对照：

结果边界与舍入说明

• 只认 ASCII 的 A–Z 与 a–z。重音拉丁字母、全角字母、希腊字母、西里尔字母、德语 ß 一律不计入字母，但会计入「总码点」。做国际化文本统计时，请把「字母总数」当成「ASCII 字母数」来理解。
• 组合重音字符会被拆成两半。用「e + U+0301 组合尖音符」输入的 é 是 2 个码点：前面的 e 计入小写字母，后面的 U+0301 计入非字母；而预组合的 é（U+00E9）是 1 个码点，两个都不计入。同样一个「é」，两种输入方式的统计结果不同，这不是 bug，而是 Unicode 归一化形式不同造成的。
• 百分比保留 2 位小数并四舍五入。示例里 26 项的百分比加起来是 100.04%，不是 100.00%——因为每项都独立四舍五入，误差会累积。需要严格校验时请用「合计」和「字母总数」两个整数比对，不要用百分比求和。
• 码点口径，不是码元口径。总码点走 [...x]，emoji 与补充平面字符算 1 个；如果你需要按 UTF-16 码元（也就是 x.length）统计，示例会从 118 变成 119。
• 阈值越高行数越少，但不会改变任何计数。阈值只控制表格显示多少行，卡片上的八项指标恒定按全文计算。
• 空文本与纯空白是两种不同的结果。文本框全空时八项指标都是 0、表格清空；只输入空格和换行时，总码点是空白个数、非字母等于总码点、字母总数为 0。
• 「字母种数」的分母固定是 26。它表示全文出现过几种不同字母（大小写合并后），所以示例显示 26 / 26；一段只有 hello 的文本会显示 4 / 26（h、e、l、o 四种）。
• 不做归一化。本页不执行 Unicode NFC/NFD 归一，也不做繁简或异体字转换，输入的每一个码点按原样分类。

常见问题

相关工具

• 统计元音辅音个数：只给元音与辅音两个数，界面更轻；需要逐字母频率和大小写拆分时用本页。
• 统计字符出现次数：按任意字符（不限于字母）统计出现次数，适合数标点与符号。
• 文本统计工具：一次给出字数、词数、行数等综合指标，做整体画像用。
• 字母转大写：把整段文本统一成大写，标准化后再统计大小写比例。
• 字母转小写：把所有字母降到小写，便于和本文的「统一大小写后频率」对照。
• 英文标题大小写转换：批量处理英文标题的大小写规范，配合大写计数一起用。
• 关键词密度检测：在字母层之上做词层统计，看某个词在全文里的占比。
• 文本工具：查看全部文本工具。