文字数・単語数カウンター

このツールについて

何を 1 文字と数えるか

文字数は書記素クラスタの数です。書記素クラスタとは、Unicode のテキスト分割規則で定められた、読み手が 1 文字として認識する単位です。文字 e の後に結合用のアクセント記号を続けて入力した「é」は 1 文字と数えます。複数のコードポイントからなる絵文字も同様で、家族の絵文字 👨‍👩‍👧‍👦 は 7 コードポイント、11 UTF-16 コードユニット、UTF-8 で 25 バイトですが、1 文字と数えます。

そのため、この数値は UTF-16 コードユニットを数える JavaScript の string.length とは異なることがあります。また、データベースが返す長さとも異なることがあります。こちらは関数やカラムの型によって、バイト単位の場合もコードポイント単位の場合もあります。フォームや API に文字数の上限がある場合は、どの単位のことかを確認してください。「文字数（空白を除く）」では、スペース、タブ、改行などの空白文字を数えません。

単語、文、段落の見つけ方

文字、単語、文は、ページの言語に合わせて作成したブラウザの Intl.Segmenter で数えます。これは Unicode の単語境界と文境界の規則に従い、日本語、中国語、タイ語のように単語の間にスペースを入れない言語では、ブラウザに組み込まれた言語データ（通常は辞書）を使います。3.14 のような数値は 1 単語で、「don't」も 1 単語ですが、「well-known」のようにハイフンでつないだ複合語は 2 単語と数えます。

文の境界には解釈の余地があります。ピリオド付きの略語が文の終わりとみなされることがあり、改行は常に文の終わりになるので、見出しも 1 文と数えます。この数値は目安として扱ってください。段落はテキストを含む 1 行のことで、ワープロから貼り付けたテキストではこれが段落にあたります。行数は空行も含めたすべての行を数えます。頻度表には最もよく使われている単語を 10 個表示します。単語は大文字と小文字を区別せずに比較し、「the」のような一般的な語も除外しません。

バイト数と読了時間

UTF-8 では、ASCII は 1 バイト、アクセント付きのラテン文字、ギリシャ文字、キリル文字の大半は 2 バイト、中国語、日本語、韓国語の文字の大半は 3 バイト、絵文字の大半は 4 バイトです。UTF-16 では、ほとんどの文字が 2 バイトで、絵文字の大半を含む基本多言語面（BMP）外の文字は 4 バイトです。バイト数はテキストだけのもので、バイトオーダーマークは含みません。ブラウザのテキスト欄はすべての改行を 1 つのラインフィード（LF）として保持します。そのため、Windows の改行コード（CR LF）のファイルからコピーしたテキストは改行 1 つにつき 1 文字として数えられ、バイト数はそのファイルのサイズより小さくなります。

読了時間は単語数を読む速さで割ったものです。デフォルトの毎分 200 語は、黙読の速さとしてよく使われる切りのよい数字です。Marc Brysbaert が 2019 年に発表した読書速度研究のレビューでは、英語を読む成人の平均は、ノンフィクションで毎分 238 語、フィクションで毎分 260 語とされています。読み手に合わせて速さを変えてください。音読される文章の場合は、黙読より遅くなるので速さを下げてください。