计算UTF-8文件中的字符

Question

wc -c

似乎只做一个愚蠢的字节数，而不是解释关于编码的实际字符。

如何获得实际字符数？

Answer 1

使用-m或--chars选项。

例如（text文件包含两个韩文字符和换行符）：

falsetru@jmlee12:~$ cat text
안녕
falsetru@jmlee12:~$ wc -c text
7 text
falsetru@jmlee12:~$ wc -m text
3 text

根据wc(1)：

   -c, --bytes
          print the byte counts

   -m, --chars
          print the character counts

Answer 2

不要混淆字符，char和字节。一个字节长度为8位，-c计算文件中的字节，无论你输入什么。许多编程语言中的char也是8位长，这就是为什么计数字节使用-c！如果要计算文件中给定字母表的字符数（字符数），则需要以某种方式指定使用了哪种字符编码，有时候，编码对字符使用多于一个字节。阅读wc手册，它会告诉您-m将使用您当前的区域设置（大致是您的语言/字符集首选项）来解码文件并计算您的字符数。