是否有任何可用的库用于某些象形文字语言的字数统计（例如：中文、日文、韩文......）？
我发现 MS Word 可以有效地计算这些语言的文本。我可以在我的 .NET 应用程序中添加对 MS Word 库的引用来实现此功能吗？
或者有没有其他解决方案可以达到这个目的？
问问题
1095 次
1 回答
2
是否有任何可用的库来计算某些象形文字语言的字数（例如：中文、日文、韩文……）？
象形文字？不，他们不是。它们是标志性的字符，并没有那么细微的区别。我敢肯定，一些母语人士可能会比我更好地解释这一点。
日文和中文文本由与西方语言完全相同的字符组成，但一个字符可能是一个单词。此外，它们不需要空格来分隔单词，因此我们的区分字符/单词不能使用空格作为分隔符。
Word 所做的是对单词进行计数（假设它们等于字符），您可以在代码中执行相同的操作（只是不要忘记它是 UNICODE，因此您无法计算字节数）计数字符。要计算真实单词，您需要一本字典（因为您不能依赖空格）。
例如这些字符串：
这是一个示例文本</p>
これは、サンプルのテキストです
将按8字8字（中文）和日文15字15字计算。实际上不是（例如在日语中，转写为罗马字时是 5 个单词）。此外，不要忘记在日语中他们有不止一个字母表（其中一个家族是拼音的）。
重点是什么？你会算什么？音译为我们用来表示它们的一种语音表示（带有拉丁字符）的单词？哪一个？字数统计将完全不同，它实际上会计算我们的单词概念（这就是为什么，我想，字数字符）。
也就是说，现在尝试编写以下代码：
string text = "这是一个示例文本";
MessageBox.Show(text.Length.ToString());
它将显示 8，就像 Word 一样（我们正在计算字符），以字节为单位（假设 UTF-8 编码）是 24。在这里计算空格是没有意义的。如果您打算计算一个音译中的单词，则需要使用外部库（自己做这件事不是一件容易的事），为您想要支持的每种语言使用不同的库（不知何故，自动检测语言很容易，因为在日语，他们经常使用平假名/片假名字符）。哪一个？有很多，我不知道中文，但在日语中，一个流行的音译汉字是Kakasi。
韩语是一个完全不同的故事，它是一个与拉丁字母完全相同的字母，但字符（应该称为音节）可能由许多字母组成。同样，它们不需要空格，因此您不能依赖它们来计算字数。它在某种程度上更复杂，因为在这里你可能需要一个字典来计算字符（否则你只会计算音节）。
于 2013-07-30T07:48:39.897 回答