清理文本与统计文本：这两个页面数的不是同一件事

文本更新于 2026-09-29

多数文本活儿其实是两件事：把内容弄干净，以及弄清自己手里有多少东西。文本格式化和字数统计正好各管一头，全部在页面里完成——不上传、输入框也没有长度上限。但这两个页面的结论都值得先弄清规则再采信，因为它们替你做了不少决定。

十五个动作，只有部分尊重你的换行

每个动作都是读输入框、把结果写到下面。它工作的单位比按钮名字更要紧：

按字符——UPPERCASE、lowercase、Title Case，不动行结构。
按行——Trim Lines、Remove Empty Lines、Remove Duplicates、Sort Ascending/Descending、Add Line Numbers、Remove Line Numbers、Reverse Lines，都是先拆行、处理、再拼回去。
按空白——Merge Spaces，以及两个全角/半角转换。

最容易踩的一个：Add Line Numbers 给每一行都编号，空行也算一行，于是段落之间的空行会占掉一个序号。先 Remove Empty Lines 再编号；反过来做，序号就会跳。

Title Case 不是「首字母大写」这么简单：它把单词其余字母全部转小写。McDonald 变 Mcdonald，iPhone 变 Iphone。原文里有驼峰命名或人名前缀时，别点它。

Merge Spaces 不等于 Trim Lines

两者看着像同一件事的两种说法，实际不同：

Merge Spaces 把行内任意位置的连续空格和制表符压成一个空格，同时去掉每行首尾空白。因此它会毁掉缩进——代码、YAML 这类靠行首空格表达层级的内容，千万别过这一步。
Trim Lines 只去每行首尾空白，行内空格与相对缩进都保留。

从 PDF 或网页里复制出来的碎文本，通常该用 Merge Spaces；有结构的内容，先从 Trim Lines 起手。

排序按拼音，也把数字当数字

两个排序动作共用一套比较规则：汉字按拼音读音排，行内数字按数值排，大小写视为相同。

于是会出现普通字母序给不了的结果：

chapter9 排在 chapter10 前面——这是普通字典序会排反的地方。
汉字按读音而不是码位：阿（ā）靠前，张（zhāng）靠后。
Apple 与 apple 视为相等，而相等的行保持它们在原文里的先后。

如果你要的是按码位排（例如要和另一个系统的输出逐字节对上），这一步不该用它。

Remove Duplicates 是整行精确匹配，且有一个坑

去重比较的是整行，区分大小写也区分空白：Foo 和 Foo（结尾多一个空格）是两行，都会留下。想让近似行合并，先跑 Trim Lines 再去重。

坑在实现方式：它用一个普通对象当「已见过」的集合。凡是行文本恰好等于 Object.prototype 上继承来的属性名——toString、constructor、valueOf、hasOwnProperty、__proto__——第一次出现就被判定为重复并丢掉。概率很低，但如果你的文件是一串标识符列表而少了其中一行，原因就在这。

全角半角不是互逆的两步

全角转半角 转换的是标准全角 ASCII 区（U+FF01–U+FF5E），并把表意空格 U+3000 换成普通空格。、 。 《》 这类只有中文才有的标点它不动——它们本来就没有 ASCII 对应字符。
半角转全角 转换的是整个可打印 ASCII 区 U+0020–U+007E，字母、数字、标点全在内，连空格都会变成 U+3000。

所以对着英文段落点第二个按钮，会得到一整片 ＦＵＬＬ－ＷＩＤＴＨ 的字符——这不是 bug，是中文排版里对齐宽度时的正当需求，但更多时候是误触。

Reverse Lines 和 Reverse Text 改的不是一个东西

Reverse Lines 只颠倒行的先后，每行内容不变，适合把日志变成「新的在前」。Reverse Text 颠倒的是单个字符，每个词都反过来读。它按码点反转，所以 emoji 这类增补平面字符不会裂开——按 UTF-16 单元反转的话会。

为什么两个「字符数」不一样

文本格式化输入框下面的计数，和字数统计里的「字符」不是同一种度量，只要文本里有 emoji 或生僻汉字就会露出来：

格式化器的计数按 UTF-16 编码单元，😀 算 2，增补平面的字一律翻倍。
字数统计按码点，同一个 😀 算 1。

行数同样有差别：格式化器在空内容时显示 0 行；字数统计从 1 起算，每个换行加 1，包括结尾的那一个——所以以换行结尾的文件，行数比肉眼看到的多 1。字数统计还把单独的回车符（\r）也算一次换行，这只有早年 Mac 生成的文件才会遇到。

词数其实是两个数

字数统计页上有一大一小两个看起来都叫「词」的数字：

顶部大数字 = 汉字个数加英文单词个数。一整段纯中文在这里会有一个漂亮的数字。
网格里的 Words = 只数英文单词。同一段纯中文显示 0。

英文单词的匹配规则是「连续的 ASCII 字母，中间允许撇号和连字符」。这条规则有三个后果：

带重音的字母会断词。café 只匹配到 caf，算一个词；于是 café naïve 报出的总数比它实际的词数多。
数字不算词。数字单独计数，且带分隔符的算一个：1,234.50 记 1 个 Numbers。
Letters、Uppercase、Lowercase、Digits 全部只认 ASCII。é 记一个字符，但不记一个字母。

高频词那一排同样按这个分界：先最多 8 个英文词（单字母词被排除），再最多 8 个汉字，混在一行里且不加区分标签。看到 的 和 because 并排时，那是两张榜单首尾相接，不是一张。

句子怎么数，阅读时间怎么算

句子按 。！？ . ! ? 切分，连续多个只算一次：等等……什么？！ 是两句，不是四句。同一条规则会让小数和缩写虚增句数——3.14 和 Mr. 各被当成一次句末，于是「平均每句长度」也一起偏。

阅读时间是总词数 ÷ 300，向上取整且至少 1 分钟；朗读时长按 180 算。由于分子是汉字与英文词的混合量，这是一个混合速率下的估计值：用来比较自己几篇稿子的相对长短很合适，拿去对外承诺「本文阅读时长 4 分钟」就不太可靠。

改了输入，结果框不会自己更新

这是本组工具里唯一会静默给出错误答案的地方。你敲字时只有输入框下面的计数在刷新，下面的结果框仍是上一次动作的输出，两个框看起来毫无变化。改完输入必须重新点动作。另外 Result → Input 会把当前结果搬回输入框并清空结果框，这正是把 Merge Spaces 接在 Remove Duplicates 之前、而不必复制粘贴的办法。

两个小提醒：输入为空时所有按钮什么都不做，也不提示；Copy Result 在浏览器拒绝剪贴板权限时同样静默——「✓ Copied」只在成功时才出现。

什么都不保存

这两个页面都不写存储、不留历史、也不能导出文件。Clear 会同时清空两个框；而在字数统计里，Clear 和 Load Example 都会立刻覆盖你的输入，不弹确认。结果要紧就先复制走，再动其他按钮。需要留存的内容应该放到浏览器记事本——那是站内唯一会替你保存的页面。