文档批量字符数统计工具教程

功能关键词：批量统计中文字符、英文单词数、文档字符数、导出Excel报告、多格式文档统计。

工具介绍

文档批量字符数统计工具读取指定文件夹内文档中可提取的文本，计算各文档的中文字符、英文单词、数字、标点符号、总字符数，并汇总文件数和平均中文字符数。适合批量了解稿件、教材、文档内容的规模。

本页面提供13种格式的筛选、子目录遍历、并行线程，以及Excel、CSV、TXT的自动导出。数值使用工具自身的字符匹配标准，与Word或出版排版软件的综合字数并不等同。

工具截图

主要功能

1. 统计单个来源文件夹的当前层级，或其所有子目录内的候选文档。
2. 按TXT、DOCX、DOC、PDF、PPTX、EPUB、XLSX、CSV、MD、HTML、HTM、RTF、ODT筛选，可选择全选，或取消选择后逐项勾选。
3. 显示各文件的中文字符数、连续英文字母串数、连续数字串数、指定标点符号数、总字符数。
4. 汇总成功创建统计记录的文件数、各类别的数量、整数形式的平均中文字符数。
5. 提供2、4、6或8线程的并行读取，以及进度和日志显示。
6. 存在有效统计记录时，自动保存所选格式的报告，Excel和CSV包含完整来源路径，TXT包含各文件的文字说明。

使用前准备

请准备一个有效的主文件夹；可通过浏览选择，或拖入整个文件夹来指定；本工具不接受直接拖入单个文件作为唯一来源。

请至少勾选一种文件类型。读取DOC可能需要antiword或textract等组件；RTF和ODT需要相应的可选支持，缺失的组件会显示在日志中。

请准备一个可写且已存在的报告保存位置。留空时默认使用主文件夹；建议单独保存报告，以免下次统计时将旧报告包含在来源中。

详细操作步骤

1. 选择主文件夹和报告保存位置

请点击“主文件夹”行的“浏览”选择要统计的目录，或将文件夹拖入窗口；拖放仅获取第一个文件夹路径，不会作为多来源列表处理。输入路径时，必须指向目录。

请点击“保存位置”行的“浏览”，选择现有的输出目录。此保存位置用于统计报告，统计处理不会改写来源文档。保存位置留空时使用主文件夹；输入不存在的目录时，保存逻辑会回退到主文件夹的父目录，不会根据该输入自动创建目录。

请选择单独的保存位置，并记住路径。程序会记住最后浏览的目录；尤其在之后切换批次时，请在开始前确认当前的来源栏和保存栏。

2. 选择扫描范围、文档类型、导出格式和线程

勾选“遍历子目录”时，将包含子目录内的所有文档，取消勾选时，仅处理主目录的当前层级。扫描不会自动排除保存目录或旧统计报告，建议将报告保存在来源目录之外。

“文件类型筛选”的全部13种类型默认均已勾选。如果只统计特定格式，请点击右侧的“取消选择”取消全部选择，然后逐项勾选；“全选”会恢复所有显示的格式。此处的“取消选择”仅更改格式选择，不会取消正在运行的任务。

展开“导出格式”，选择Excel（.xlsx）、CSV（.csv）或文本（.txt）；默认为Excel。存在统计记录时，会在结束处理期间自动保存一份所选格式的报告，无需点击单独的保存按钮。

“并行线程”提供2、4、6、8，默认为4。这控制同时读取的文档数，不会更改字符数统计规则；磁盘读取负载较高时，可适当减少。请在运行前完成导出和保存设置，以免处理期间的更改影响最终报告。

3. 实际开始使用后查看进度，并按需停止

实际准备好来源、保存位置和类型后，请点击“开始统计”。软件首先重新确认登录凭据和使用权限，然后收集候选文件并读取文本；开始时，会清空上一次界面的表格、日志和统计数据。

需要结束处理时，请点击“停止”。尚未开始的任务可以取消，但已经在读取的任务可能会先完成，不应将停止期间按钮的变化理解为所有线程均已立即结束；已经收集的结果可能会在结束处理期间自动导出。

进度根据已收集结果的候选任务数计算，读取失败也会推进进度。停止后，程序也可能写入通用的“处理完成”日志项，因此判断范围时，需要结合错误、提取失败、停止记录和最终文件数进行考虑。

“清空结果”会清空表格、日志、进度和汇总，不会删除磁盘上的报告，也不能代替停止任务。需要保留统计记录时，请先确认自动保存路径，不要将运行期间的清空视为取消。本教程未开始统计，也未读取文档。

4. 按统计标准阅读结果，并检查日志和自动报告

“统计结果”的每一行显示文件名、中文字符数、英文单词数、数字数、标点符号数、总字符数。中文字符在U+4E00至U+9FFF范围内统计；英文按每个A～Z或a～z字母的连续串计数一次，数字按每个连续数字串计数一次；例如，连续的年份数字串计为1，而不是逐个数字计数。

标点符号仅统计中文和英文标点符号的内置列表；总字符数测量去除换行、回车、普通半角空格后的长度，但制表符、全角空格等并非全部按同一规则排除。因此，不能简单相加这些列来得到总字符数，也不等同于Word的字数。

底部“汇总统计”的文件数是成功创建的记录数，而不是来源候选总数；未发生错误但提取到空文本的文件，也可能以0值记录。平均中文字符数为中文字符总数除以记录数，并舍去小数部分。

“处理日志”显示读取失败、缺失的组件、保存路径，保存后显示“结果已保存”。表格提供按列标题排序的功能，运行期间的自动排序可能影响行的显示，因此正式归档适合使用导出的Excel或CSV文件中的完整路径明细。本教程不构建统计结果，仅展示空表格和0值布局。

主要参数说明

结果与保存

至少存在一条有效统计记录时，会在结束处理期间自动写入统计结果_年月日_时分秒.xlsx、.csv或.txt。界面没有单独的导出、下载、打开输出目录按钮，请检查保存栏对应的目录；实际保存路径以日志为准。

Excel和CSV两者的逐文件明细均包含文件名、5项统计值、完整来源路径；Excel的汇总包含中文字符、英文、数字、标点符号等的合计，以及平均中文字符数，而CSV末尾的汇总更为简略，仅记载总文件数、中文字符总数、平均中文字符数。TXT列出各文件的名称和5项数值以及主要汇总，不包含完整路径。

DOCX提取正文段落和普通表格，但并不包含所有页眉、页脚、文本框；PPTX读取顶层文本和表格，但不会递归处理组合形状或备注。XLSX读取各工作表中的非空单元格并转换为文本，对于公式，仅使用已有的缓存值，不重新计算公式。PDF仅提取文本层，不对扫描图像进行OCR。

HTML/HTM去除标签；可选解析库可用时，Markdown先转换为HTML后再去除标签，否则直接统计原始文本。DOC的回退读取可能混入二进制数据的可打印字符，不能作为准确的正文文本统计。EPUB当前的章节常量与支持库的接口不一致，日志中可能报告提取错误；RTF和ODT受各自对应的可选组件和可提取范围限制。

停止后的报告可能仅包含已收集的结果，提取失败的文件不会作为错误行自动写入表格；需要另行检查日志。报告文件名仅精确到秒，也没有自动编号机制，请在后续批次中避免同名文件覆盖，并保留所需报告。

常见问题和使用建议

1. 可以直接拖入单个文档进行统计吗？

当前的拖放处理针对文件夹，单个文档需要放入待统计目录，并选择相应类型。

2. 文件类型旁边的“取消选择”会停止任务吗？

不会，它会取消所有格式的勾选，停止任务请使用“停止”按钮。

3. 为什么统计结果有时与Word的字数不同？

本工具按照提取范围和正则表达式标准统计，这些与Word的综合字数规则不同。

4. 数字2026计为4还是1？

连续数字串计为1，页面上的数字数不是位数。

5. 总字符数会排除所有空白字符吗？

仅去除回车、换行、普通半角空格，其他空白字符可能被计入。

6. 可以统计PDF扫描图像中的文本吗？

不可以，不包含OCR，依赖可提取的文本层。

7. 为什么平均中文字符数没有小数位？

使用整数除法，舍去小数部分。

8. 保存位置留空时，输出保存在哪里？

默认保存在主文件夹中，文件名由统计结果和时间戳组成；指定的目录不存在时，会回退到来源的父目录。

9. 为什么停止后仍可能存在报告？

结束处理会自动保存已收集的非空结果集，其范围可能仅为一部分。

10. 清空结果会删除报告吗？

不会，仅清空当前界面的数据，不会停止后台读取任务。