Cách đếm từ tiếng Việt chính xác
Hiểu cách công cụ đếm âm tiết, câu, emoji và ký tự hiển thị trong tiếng Việt.
Trả lời nhanh: Các bộ đếm phổ biến xem mỗi cụm chữ ngăn cách bởi khoảng trắng là một từ, nên “học sinh” thường được tính là hai. Đây là cách ổn định để đo độ dài văn bản, dù không trùng hoàn toàn với khái niệm từ trong ngôn ngữ học.
Từ và âm tiết trong tiếng Việt
Tiếng Việt viết rời các âm tiết, trong khi một từ có thể gồm nhiều âm tiết như “máy tính” hoặc “sinh viên”. Nhận diện từ ngôn ngữ học cần từ điển và ngữ cảnh. Với bài viết, hợp đồng nội dung và giới hạn ký tự, đếm theo đơn vị tách bằng khoảng trắng dễ kiểm chứng hơn.
Trước
sinh viên
Sau
2 đơn vị tách bằng khoảng trắng
Ký tự hiển thị khác độ dài chuỗi
Emoji có màu da hoặc emoji gia đình gồm nhiều code point nhưng người đọc thấy một biểu tượng. Chữ tiếng Việt dạng NFD cũng có nhiều code point. Vì vậy nên đếm grapheme khi mục tiêu là số ký tự người dùng nhìn thấy, và dùng code point hoặc byte khi kiểm tra giới hạn kỹ thuật.
Cách ghi rõ phương pháp đếm
Khi báo giá hay nghiệm thu, hãy ghi “đếm theo khoảng trắng” hoặc “theo bộ đếm của Word” để tránh tranh luận. Với giới hạn hệ thống, xác nhận họ giới hạn byte, code unit, code point hay ký tự hiển thị.
Câu hỏi thường gặp
Dấu câu và emoji có được tính là từ không?
Thông thường không. Chúng vẫn được tính trong số ký tự hiển thị.
Tại sao hai công cụ cho số từ khác nhau?
Chúng có thể xử lý URL, dấu gạch nối, chữ viết tắt và ký tự Unicode theo quy tắc khác nhau.