ArrayKit

PDF 字数统计

统计 PDF 里的词数、字符数和句数，不必先把它导出到文字处理软件。

PDF 字数统计

统计 PDF 里的词数、字符数和句数，不必先把它导出到文字处理软件。

每一页的文字位置都在这个标签页里读取，文档本身绝不离开你的设备——当你据以报价的东西是一份合同草案时，这一点很要紧。

改为统计页数和彩色页

关于 PDF 字数统计

译者按词报价，高校按词设上限，一份材料也可能因为超出词数而被退回——而这三者送来的都是 PDF。惯常的变通办法是把文件导出到文字处理软件再数，可那样会让文本重排，把页眉拖进正文，并悄悄改掉你据以收钱的那个数字。这里就在原地数。行由页面上的间距重建，被断行拆开的词接回一起，每一页上重复出现的标题行和页码被排除在外，而每一页都单独列出，于是你可以只数一章而不是整本书。

功能特性

  • 词数、含空格与不含空格的字符数、句数和段数
  • 逐页表格带条形图，让篇幅重的页面一眼可辨
  • 阅读时长按每分钟 238 词计，朗读时长按 130 词计
  • 靠重复出现识别页眉页脚，并把它们排除在统计之外
  • 可排除 2024、3.14 或 1,000 这类纯数字词元
  • 中文和日文按每个汉字或假名算一个词，与文字处理软件一致
  • 最常出现的二十个词，常用词可隐藏也可显示
  • 可一次处理多个 PDF，给出整批合计，并按页输出 CSV 行

如何使用 PDF 字数统计

  1. 把一份 PDF、或者一叠 PDF 拖到页面上
  2. 处理报告时把页眉页脚选项保持开启，处理书稿时关掉
  3. 先看合计，再展开逐页表格，只数某一章
  4. 复制摘要，或下载逐页 CSV

示例

输入

contract-v4.pdf — 38 pages

输出

12,480 words · 78,110 characters (66,203 without spaces) · 641 sentences · 328 words a page · 52 min to read, 1 h 36 min to read aloud

在全部 38 页上重复出现的那行页脚被识别出来，没有计入。

常见错误与故障排除

  • 扫描的文档数出来是零词。 — 那些页面是文字的图片，根本不带文字层，工具会直接说明并列出这些页码。请先用 PDF OCR 识别，再统计结果。
  • 统计结果比我的文字处理软件给的高。 — 请打开「忽略重复的页眉页脚」和「忽略纯数字词元」。一行标题在 300 页上重复，就能加进好几千词，而文字处理软件从来没数过它们。
  • 各页数字加起来比文档合计还多。 — 跨页断开的句子或段落属于两个页面，但它只是一个句子，所以文档合计把它减掉一次。那一列是按页算的；合计是按文档算的。
  • 只读了前 500 页。 — 这是单次处理的上限。用拆分 PDF 把文件拆开，分别统计再相加——警告里会写明它作用于哪个文件。

常见问题

为什么从 PDF 得到的词数与文字处理软件里的不一样？
因为 PDF 里面没有词。它有的是摆好位置的字形，任何计数器都得自行判断行、词和段从哪里开始。导出文件同样要做这些判断，而且做得不同——所以同一份文档用三个工具会得到三个答案。这里的规则是看得见的：连字符断行会接回去，重复的页眉被丢掉，数字可以排除。
被断行拆开的词怎么计数？
算一个词。上一行以 exam- 结尾、下一行以 ple 开头，在统计之前会被接成 example，因为作者写的就是这个词。真正的连字符不予处理：Anglo- 后面接 Saxon 会保住连字符，因为下一行以大写字母开头。
翻译公司按哪个数字报价？
取决于语言对：欧洲的公司通常按源语词数报价，日语和中文的活儿常按字符数报价，也有些按不含空格的字符数。这三项都会显示，另外还单列中文与日文的字符数。
阅读时长和朗读时长是怎么来的？
默读散文按每分钟 238 词，朗读按 130 词，两者都取自阅读研究的平均值。它们是参考而不是测量：一页内容密集的技术文字或一张数字表格，要花的时间远超平均。
能把一组 PDF 当成一份文档来统计吗？
可以。把它们一起拖进来，要点数字覆盖整批，同时每个文件保留自己那一行，CSV 的每个页面行也都带着文件名。打不开的文件会列出原因，而不是当成空文件计数。

相关工具

  • PDF 转文本 — 将 PDF 中可选取的文本提取为纯文本或 Markdown。
  • 字数统计 — 实时统计字符、单词、句子、字节和大致的 token 数。
  • PDF OCR — 识别扫描 PDF 中的文字，让它可被检索。
  • 可读性评分检测器 — Flesch、Gunning Fog、SMOG 等六种公式为文本评分。
  • PDF 页数统计 — 批量统计页数，分出彩色与黑白，并估算印刷成本。
  • 拆分 PDF — 将页面或范围（如 1-3,5,7-9）提取为新的 PDF。
  • PDF 检查器 — 查看 PDF 的版本、页面尺寸、字体、表单、安全性与标准声明。

更多PDF工具

  • 图片转 PDF — 将图片合并为单个 PDF（自动 / 纵向 / 横向）。
  • PDF 转图片 — 将 PDF 页面转换为可下载的 PNG 或 JPG 图片。
  • 合并 PDF — 将多个 PDF 合并为一个，并支持重新排序。
  • 拆分 PDF — 将页面或范围（如 1-3,5,7-9）提取为新的 PDF。
  • 旋转 PDF — 将全部页面或选定页面旋转 90/180/270°。
  • 整理 PDF — 从缩略图重新排序、旋转和删除页面并导出。
  • 添加页码 — 在 PDF 上标注页码（位置、格式、起始值）。
  • PDF 水印 — 为每一页添加对角线文字水印。
  • 裁剪 PDF — 使用裁剪框裁剪每一页的边距。
  • PDF 转文本 — 将 PDF 中可选取的文本提取为纯文本或 Markdown。
  • 对比 PDF — 逐行对比从两个 PDF 中提取的文本。
  • 加密 PDF — 使用 AES-256 或 RC4 加密为 PDF 添加密码保护。
  • 解密 PDF — 移除已加密 PDF 的密码保护。
  • 压缩 PDF — 通过以所选质量和分辨率将每页重新渲染为 JPEG 来缩小 PDF。
  • PDF元数据编辑器 — 查看、修改或清除PDF的标题、作者等字段。
  • PDF尺寸调整 — 把PDF每一页调整为A4、Letter等标准尺寸。
  • PDF 拍平 — 把填好的表单字段固定进页面内容。
  • PDF 一页多页 — 每张 2、4、9 或 16 页，支持小册子顺序。
  • PDF 页面交错合并 — 把奇数页和偶数页两次扫描合回一份文档，可倒序。
  • PDF 转单张长页 — 把所有页面拼成一张连续长页，滚动阅读而不用翻页。
  • PDF表单数据提取 — 把填好的PDF答案导出为JSON或CSV。
  • 空白页删除工具 — 找出扫描件里的空白页并删掉。
  • 文本转 PDF — 把输入或粘贴的文字变成分页的 PDF。
  • Markdown 转 PDF — 把 Markdown 的标题、列表、表格与代码排成 PDF。

查看全部PDF工具 (85) · 全部工具