如何获取word文档的总字符数，中文字符数和英文字符数

中文技术支持
1

如何获取word文档的总字符数，中文字符数和英文字符数

2

@qhkyqhfe

概述
Aspose.Words 并未提供直接返回文档中中文、英文字符数的 API。若要统计总字符数、中文字符数和英文字符数，需要先提取文档的可见文字，然后在代码中自行遍历字符并依据 Unicode 区间区分中文和英文。

实现思路

  1. 读取文档文本 – 使用 Aspose.Words 将 Word 文档加载后，获取文档的纯文本（不包括字段代码等隐藏内容）。
  2. 遍历字符并分类计数 – 对每个字符检查其 Unicode 码点：
  • 中文字符：常见的 CJK 统一表意文字区段（如 0x4E00‑0x9FFF、0x3400‑0x4DBF 等）以及兼容区段。
  • 英文字符：A‑Z、a‑z。
  • 其余字符计入总数但不计入中文或英文。
  1. 输出结果 – 累计完毕后即可得到总字符数、中文字符数和英文字符数。

示例代码（C#）

using Aspose.Words;

// 1. 加载文档并获取文本
Document doc = new Document("Sample.docx");
string text = doc.GetText(); // 获取文档的可见文字

int total = 0, chinese = 0, english = 0;
foreach (char ch in text)
{
 total++;
 // 中文字符（常用 CJK 区段）
 if ((ch >= 0x4E00 && ch <= 0x9FFF) ||
 (ch >= 0x3400 && ch <= 0x4DBF) ||
 (ch >= 0x20000 && ch <= 0x2A6DF) ||
 (ch >= 0x2A700 && ch <= 0x2B73F) ||
 (ch >= 0x2B740 && ch <= 0x2B81F) ||
 (ch >= 0x2B820 && ch <= 0x2CEAF) ||
 (ch >= 0xF900 && ch <= 0xFAFF) ||
 (ch >= 0x2F800 && ch <= 0x2FA1F))
 {
 chinese++;
 }
 // 英文字符（A‑Z、a‑z）
 else if ((ch >= 'A' && ch <= 'Z') || (ch >= 'a' && ch <= 'z'))
 {
 english++;
 }
}

Console.WriteLine($"总字符数: {total}");
Console.WriteLine($"中文字符数: {chinese}");
Console.WriteLine($"英文字符数: {english}");

注意事项

  • GetText() 会返回文档中所有可见文字，若需要排除特定元素（如页眉、页脚），可遍历文档节点（如 Run）并自行拼接文字。
  • 对于非常大的文档，逐节点处理可以降低一次性加载全部文本的内存占用。
  • 上述 Unicode 区间是常用的中文字符范围，若有特殊需求（如统计全角标点、日文假名等），可自行扩展判断条件。