文本的香农熵是如何计算的？

香农熵 H = −Σ(pᵢ × log₂(pᵢ)) 对每个唯一字符 i，其中 pᵢ 是该字符在文本中的概率（频率）。例如，在字符串 "aab" 中，p(a)=2/3，p(b)=1/3，所以 H = −(2/3×log₂(2/3) + 1/3×log₂(1/3)) ≈ 0.918 位/字符。对于密码安全，熵估计通常报告为原始（总熵）和每字符。一个具有 6.5 位/字符熵的 10 字符密码具有 65 位总熵——一个强密码，需要数十亿次尝试才能暴力破解。

字符数和字节数有什么区别？

字符数是 Unicode 码位的数量（大致是你看到的可见符号和空格的数量）。字节数取决于编码。在 UTF-8 中，"a" = 1 字节、"é" = 2 字节、"字" = 3 字节、"😀" = 4 字节。一个 5 个表情符号的字符串是 5 个字符但在 UTF-8 中是 20 字节。这一区别对数据库列大小（VARCHAR(255) 可能意味着 255 个字符或 255 字节，取决于数据库和排序规则）、网络带宽和 API 负载限制都很重要。

如何使用此工具进行 SEO 元标签优化？

在分析器中切换 SEO 模式。这添加了校准到 Google 显示字符限制的计数器：标题标签（截断前 50-60 字符）、元描述（150-160 字符）和 URL slug（理想 50-60 字符，虽然技术上无限制）。它还显示标题和描述的像素宽度估计（Google 使用比例字体，因此 "W" 比 "i" 占用更多像素）。输入你的草稿元文本，工具在你超出限制时标记，帮助你在搜索结果中写完整显示的标题和描述。

字符频率图表告诉我什么？

频率图表显示文本中的每个唯一字符，按出现次数和百分比排名。这有多种用途：(1) 密码学——替换密码通过将密文频率与已知语言频率比较来破解；(2) 内容质量——特定字符或单词的过度使用可能表示关键词堆砌；(3) 编码效率——主要由 ASCII 字符主导的文本在 UTF-8 中成本低；(4) 语言识别——不同语言有独特的频率特征；(5) 取证语言学——基于习惯性字符模式的作者分析。

什么是唯一单词率，为什么它对写作质量很重要？

唯一单词率（类型-标记比，TTR）衡量词汇多样性。计算公式为：唯一单词数 / 总单词数。对于一篇 500 词的博文，TTR 为 0.5 意味着使用了 250 个不同的词形——表明多样、自然的写作。TTR 为 0.2 意味着仅 100 个不同的词构成了整个 500 词文本——高度重复，是关键词堆砌或低质量写作的特征。然而，TTR 对文本长度敏感（由于像"的"这样的功能词不断重复而新内容词增速放缓，较长文本自然有较低的 TTR），因此仅对比相似长度的文本的 TTR。

计算器2026-05-10

字符串分析器：字符计数、UTF-8 字节大小、熵与文本诊断

文本看起来很简单——只是一串字符。但问计算机"这个字符串有多长？"，答案取决于你所说的"长度"是什么意思。是 140 个字符？160 个字节？10 个单词？还有那些看不见的属性——衡量随机性的熵、字母的频率分布，或者"e"出现的频率是"k"的三倍这一事实？字符串分析器一次性解包所有这些维度。我们的免费在线文本分析器为你提供一切，从基本计数（带空格和不带空格的字符数、单词数、行数、段落数）到高级诊断（UTF-8/UTF-16/UTF-32 中的字节大小、香农熵、字符频率分布、唯一单词率、最长单词和回文检测）——全部在浏览器中即时计算，不向任何服务器发送数据。

manage_search

字符串分析器

免费 · 无需注册

免费试用此工具 →open_in_new

分步指南

粘贴或输入你的文本

在输入区域输入你的文本——从单个单词到完整文档。分析器在你输入时实时更新，显示实时计数。单词计数器跟踪你在写作时的变化；字符计数器区分总字符数和排除空格的字符数。文本完全保留在你的浏览器中——从不通过网络发送任何数据，这使得它对于敏感内容、正在分析的密码或机密文档是安全的。

查看基本和高级指标

结果面板显示：字符数（总计和不含空格）、单词数（使用 Unicode 感知的单词边界检测）、行数、段落数、句子数、平均单词长度、最长单词、唯一单词数和比率（唯一单词/总单词，词汇多样性的度量）以及估计阅读时间。在基本内容下方，高级指标显示三种编码下的字节大小（UTF-8、UTF-16、UTF-32）、香农熵和字符频率分布。

探索字节大小、熵和频率

编码部分显示你的文本在 UTF-8（每个字符 1-4 字节，ASCII 字符使用 1 字节，CJK 字符使用 3 字节）、UTF-16（每个字符 2 或 4 字节）和 UTF-32（始终每个字符 4 字节）中消耗多少字节。熵评分（0-8 位/字符）告诉你文本的随机性和不可预测性——对密码强度估计很有用。频率表按出现次数和百分比排列每个唯一字符，揭示诸如英语经典的 ETAOIN SHRDLU 频率顺序等模式。

使用技巧与最佳实践

check_circle

UTF-8 是 Web 上的主导编码（98%+ 的网站使用）。它是变宽的：ASCII 字符（英文字母、数字、常见标点）占用 1 字节；拉丁扩展和希腊/西里尔字母占用 2 字节；CJK（中文、日文、韩文）字符占用 3 字节；表情符号和罕见文字占用 4 字节。这意味着字符串 "Hello" 在 UTF-8 中为 5 字节，而 "こんにちは" 为 15 字节——相同数量的字符却大三倍。

check_circle

UTF-16 被 JavaScript、Java 和 Windows API 内部使用。它对基本多语言平面（BMP，U+0000 到 U+FFFF，涵盖大多数现存语言）中的字符使用 2 字节，对超出范围的字符（如表情符号、历史文字和稀有 CJK 字符）使用 4 字节（代理对）。字符串 "Hello😀" 是 5 个字符，但在 UTF-16 中为 10 字节（5×2），在 UTF-8 中为 9 字节（5+4）。

check_circle

香农熵衡量每个字符的平均信息内容。英语文本由于可预测的字母频率和模式，通常评分 3.5-4.5 位/字符。完全随机的文本（所有 26 个字母等可能）接近 4.7 位/字符。混合大小写、数字和符号的随机密码可达 6.5+ 位/字符。更高的熵 = 更随机 = 更强的密码。作为经验法则：低于 2.5 位/字符是高度结构化的文本；3.5-4.5 是自然语言；高于 5.5 是随机/生成的。

check_circle

对于 SEO 元标签：Google 通常显示宽达 600 像素的标题标签（约 50-60 个字符）和宽达 920 像素的元描述（约 150-160 个字符）。超过这些限制，你的文本会在搜索结果中被截断并显示省略号。我们字符串分析器的"SEO 模式"添加了专门校准为这些显示限制的计数器，在你超出可见阈值时标记。

check_circle

短信使用标准 GSM 7 位编码（拉丁字符 + 基本符号）有 160 字符限制，但包含非 GSM 字符（西里尔、CJK、表情符号）的消息使用 UCS-2 编码，将限制降至每段 70 字符。超过一段的消息被拼接，进一步降低有效长度。我们的分析器指示你的文本是否适合一个短信段以及适用哪种编码。

check_circle

字符频率分析揭示对密码学和语言学有用的模式。在英语散文中，字母 "e" 出现约 12.7% 的时间，其次是 "t"（9.1%）、"a"（8.2%）和 "o"（7.5%）。最不常见的字母（q, z, j, x）各出现不到 0.2%。替换密码可以通过将密文的频率分布与明文语言的已知分布对齐来破解——分析器的频率图表使之可视化。

check_circle

唯一单词率（唯一单词数 ÷ 总单词数）是类型-标记比（TTR），衡量词汇多样性。对于会话英语，TTR 通常在 0.45-0.55 范围内。更高的值（0.6+）表示多样的词汇；较低的值（低于 0.3）表示重复。儿童书籍和教学文本有低 TTR；文学小说有高 TTR。TTR 低于 0.2 的文本通常读起来像机器人写的或关键词堆砌——这是 SEO 内容质量的红旗。

常见问题解答

UTF-8 根据 Unicode 码位使用每个字符 1-4 字节。ASCII 范围字符（U+0000-U+007F）使用 1 字节，使 UTF-8 对英语文本非常高效。UTF-16 对 BMP 字符（U+0000-U+FFFF）使用 2 字节，对补充字符通过代理对使用 4 字节。对于主要是 ASCII 的文本，UTF-8 大约是 UTF-16 一半的大小。对于主要是 CJK 的文本，UTF-8 和 UTF-16 是可比的（CJK 需要 3 个 UTF-8 字节 vs. 2 个 UTF-16 字节）。UTF-32 始终每个字符使用 4 字节，可预测但空间效率低——很少用于存储，主要用于需要固定宽度访问的内部处理。

文本是计算中最常见的数据类型，但它的隐藏属性——跨编码的字节大小、熵、频率模式、词汇多样性——没有字符串分析器是不可见的。我们的工具实时揭示关于你文本的一切，从 SEO 的字符计数到密码强度的熵评分。粘贴你的文本，看看真正存在什么。

免费试用此工具 →open_in_new