Đếm từ tiếng Việt và ký tự: vì sao mỗi công cụ có thể cho số khác nhau?

Một đoạn văn có thể cho hai kết quả “số từ” khác nhau mà chưa chắc công cụ nào bị lỗi. Điều quan trọng là biết nó đang đếm cụm ngăn bởi khoảng trắng, từ theo ngôn ngữ hay ký tự hiển thị. Nếu bạn viết bài theo giới hạn độ dài, hãy thống nhất cách đếm trước khi chỉnh nội dung.

Bạn có thể thử trực tiếp bằng công cụ đếm từ và ký tự. Bài này giải thích quy tắc của Làm Gọn và cách tự kiểm tra bằng ví dụ ngắn.

Làm Gọn đang tính “từ” như thế nào?

Công cụ chia văn bản theo khoảng trắng, tab hoặc xuống dòng, sau đó đếm những cụm có ít nhất một chữ cái hoặc chữ số. Đây là cách đếm theo cụm tách bằng khoảng trắng, không phải phân tích từ vựng tiếng Việt.

Ví dụ, nhập câu Tôi học tiếng Việt. thì kết quả là 4 cụm: Tôi, học, tiếng, Việt.. Cụm “tiếng Việt” không tự được gộp thành một từ. Ngược lại, xin-chào không có khoảng trắng ở giữa nên được tính là một cụm.

Dấu câu đứng riêng, chẳng hạn ..., không có chữ hoặc số nên không được cộng vào số từ. Tuy nhiên, các dấu đó vẫn góp vào số ký tự. Chuỗi 2026 có chữ số nên được tính là một cụm. Vì thế, số từ và số ký tự không thể suy ra trực tiếp từ nhau.

Một ví dụ có thể kiểm tra từng số

Dán nguyên dòng sau, không thêm khoảng trắng đầu hoặc cuối:

Tôi học tiếng Việt.

Với dòng này, bạn sẽ thấy:

• 4 cụm được tính vào số từ.
• 19 ký tự nếu tính cả ba dấu cách và dấu chấm.
• 16 ký tự khi bỏ khoảng trắng.
• 1 dòng và 1 đoạn.

Thêm ba dấu cách giữa “Tôi” và “học” không làm tăng số từ, nhưng làm tăng số ký tự có khoảng trắng. Xuống dòng giữa câu sẽ thay đổi số dòng; chèn một dòng trống để tách hai khối nội dung sẽ thay đổi cách nhận diện đoạn.

Khi kiểm tra một yêu cầu như “tối đa 200 ký tự”, hãy đọc rõ bên nhận có tính dấu cách, xuống dòng, biểu tượng và đường dẫn hay không. Nếu họ có bộ đếm ngay trong ô nhập, kết quả ở ô đó mới là kết quả áp dụng cho thao tác gửi của bạn.

Ký tự nhìn thấy khác với mã bên trong

Một chữ có dấu hoặc một emoji có thể được tạo bởi nhiều mã Unicode. Trong trình duyệt hỗ trợ phân đoạn ký tự, Làm Gọn dùng cụm ký tự hiển thị để đếm thay vì chỉ đếm từng đơn vị mã JavaScript. Ở trình duyệt không hỗ trợ, công cụ dùng cách đếm theo điểm mã dự phòng và kết quả với một số emoji có thể khác.

Chẳng hạn, emoji gia đình ghép từ nhiều thành phần có thể trông như một hình duy nhất. Không nên lấy độ dài kỹ thuật của chuỗi làm bằng chứng rằng người đọc nhìn thấy từng ấy ký tự. Unicode Text Segmentation phân biệt các ranh giới ký tự hiển thị và ranh giới từ; đó là hai bài toán khác nhau.

Trên trình duyệt hỗ trợ phân đoạn ký tự hiển thị, hai cách lưu khác nhau của cùng một chữ có dấu có thể vẫn cho cùng số đếm. Khi rơi về cách đếm dự phòng, bạn cần thận trọng với các chuỗi dấu ghép và biểu tượng.

Vì sao lệch so với Word hoặc một website khác?

Một bộ đếm có thể xử lý dấu gạch nối, địa chỉ email, đường dẫn và số khác một bộ đếm khác. Ngoài ra, bạn có thể đang so sánh hai phạm vi khác nhau: đoạn đã chọn với toàn bộ tài liệu, hoặc nội dung chính với cả phần chú thích.

Hãy bắt đầu bằng một câu ngắn như ví dụ ở trên. Sau đó thêm lần lượt email, URL, emoji và xuống dòng để tìm đúng phần làm kết quả lệch. Cách này hữu ích hơn việc chỉ so hai con số của một bài dài.

Nếu văn bản được sao chép từ nhiều nguồn, dùng tool làm sạch văn bản trên một bản sao rồi đối chiếu lại. Không nên xóa toàn bộ khoảng trắng chỉ để giảm số đếm, vì câu có thể mất nghĩa hoặc khó đọc.

Dùng kết quả thế nào khi viết bài?

Với mục tiêu nội bộ như viết khoảng 800 cụm theo khoảng trắng, bạn có thể dùng nhất quán một công cụ qua các lần sửa. Với biểu mẫu có giới hạn bắt buộc, kiểm tra lại ngay tại biểu mẫu trước khi gửi. Với yêu cầu học thuật hoặc biên tập, hỏi rõ quy ước đếm thay vì tự coi “từ tiếng Việt” luôn bằng một tiếng viết rời.

Số đếm giúp kiểm soát độ dài, nhưng không đánh giá được bài đã đủ ý hay chưa. Sau khi đạt giới hạn, vẫn cần đọc lại ví dụ, tiêu đề và những chỗ lặp để rút gọn đúng phần.