一些象形文字語言的字反碼？

Question

是否有任何可用的字庫統計一些象形文字語言（例如：中文，日文，韓文...）？

我發現MS Word有效地計算了這些語言的文本。我可以在我的.NET應用程序中添加對MS Word庫的引用以實現此功能嗎？

或者是否有其他解決方案來實現此目的？

Answer 1

是否有任何可用的字庫統計一些象形文字語言（例如：中文，日文，韓文...）？

象形文字？不，他們不是。他們是字形字符，並沒有那麼微妙的差異。我相信一些母語的人可能會比我更好地解釋這一點。

日本和中國文字是由字符完全按照西方的語言，但一個字符可以是一個字。此外，他們不需要空格來分隔單詞，所以我們區分字符/單詞不能用空格作爲分隔符。

Word所做的就是計算字數（假設它們將等於字符數），並且您可以在您的代碼中執行相同的操作（只是不要忘記它是UNICODE，因此您無法計算字節數）。要計數真單詞你需要一本字典（因爲你不能依靠空格）。

例如這些字符串：

這是一個示例文本

これは，サンプルのテキストです

將被計爲8個字符和8個字（在中國）日語15個字15個字。實際上它不是（例如在日文中，它是用羅馬字音譯的5個詞）。此外，不要忘記日文中他們有不止一個字母表（並且它們的一個家族是拼音）。

有什麼意義？ 你會算什麼？我們用它來表示他們的音標（用拉丁字符）之一的詞音譯？哪一個？字數計算將會非常不同，它實際上會計算我們的概念的字數（這就是爲什麼，我猜字數字符）。

那說，現在嘗試寫這樣的代碼：

string text = "這是一個示例文本"; 
MessageBox.Show(text.Length.ToString()); 

它會顯示8，如Word做（我們正在計算字符），以字節爲單位（假定一個UTF-8編碼）是24。沒有意義在這裏計算空間。如果你打算用一個音譯來計算單詞，你需要使用一個外部庫（它本身不是一件簡單的工作），對於你想要支持的每種語言來說，這是一個不同的方法（不知何故，它很容易自動檢測語言，因爲在日語他們經常使用平假名/片假名字符）。哪一個？其中有很多，我不知道中文，但在日本流行漢語音譯是Kakasi。

韓語是一個完全不同的故事，它是一個完全不同的拉丁文字母，但是字符（應該稱爲音節）可能由許多字母組成。再次，他們不需要空間，所以你不能依靠他們的字數。它有點複雜，因爲在這裏你可能需要一本字典，即使是字符計數（否則你只會計算音節）。