Unicode Name	Unicode Range	CBETA 使用字元
ASCII digits	0030-0039	0123456789
Uppercase Latin alphabet	0041-005A	ABCDEFGHIJKLMNOPQRSTUVWXYZ
Lowercase Latin alphabet	0061-007A	abcdefghijklmnopqrstuvwxyz
C1 Controls and Latin-1 Supplement	00C0-00D6	Ñ
	00D8-00F6	Üàáâäæéêíïñóôö
	00F8-00FF	ùúûü
Latin Extended-A	0100-017F	ĀāċēĪīōŚśũŪū
Latin Extended-B	0180-024F	ȧ
MODIFIER LETTER APOSTROPHE	02BC	ʼ
Combining Diacritical Marks	0300-036F	̐
Greek and Coptic	0370-03FF	Φ
Cyrillic	0400-04FF	ДФх
Latin Extended Additional	1E00-1EFF	ḄḌḍḤḥḳḶḷṀṁṃṄṅṆṇṚṛṠṢṣṬṭẖạụ
Number Forms	2150-218F	ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩ
Enclosed Alphanumerics	2460-24FF	①②③④⑤⑥⑦⑧⑨⑩
Latin Extended-C	2C60-2C7F	CBETA 目前未使用
Latin Extended-D	A720-A7FF	CBETA 目前未使用
Latin Extended-E	AB30-AB6F	CBETA 目前未使用
Halfwidth and Fullwidth Forms	FF10-FF19	０１２３４５６７８９
	FF21-FF3A	ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＲＳＴＵＶＷＸＹＺ
	FF41-FF5A	ａｂｃｄｅｉｕ

2. 連結符號

構成「英數字」以外的字元，都是分隔字元，除了以下字元例外：

Name	Unicode	字元	用例	Note
APOSTROPHE	U+0027	'	don't
HYPHEN-MINUS	U+002D	-	Saddharma-puṇḍarīka	單獨一個 - 字元不列入計算。
MODIFIER LETTER APOSTROPHE	U+02BC	ʼ	paʼi

3. 各種用例

字串	word 數
1993	1
１０	1
CBETA	1
ＭＰ	1
Saddharma-puṇḍarīka	1
isn't	1
ud-vsad,udvsyad	2
(ref taixu::vol:26;page:p102)	6
～Caṇḍālakumāraka(+vā caṇḍālakumārikā vā)	4

4. 悉曇字 Unicode

目前 CBETA 尚未使用如下 Unicode 悉曇字，將來如果使用，也需考慮計算方式。

下面例子，應該只能算 1 個字：

𑖭𑖿𑖧𑖯𑖾 = U+115AD(𑖭), U+115BF(𑖿 ), U+115A7(𑖧), U+115AF(𑖯), U+115BE(𑖾)

圖:

八、標點、符號不算

cjk_chars 不計算以下字元

Unicode Name	Unicode Range	CBETA 使用字元	Note
C0 Controls and Basic Latin	0000-007F	U+0009, U+000A, U+0020 "#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{\|}~
C1 Controls and Latin-1 Supplement	0080-00FF	§°±·Ñ×Üàáâäæéêíïñóôöùúûü
Spacing Modifier Letters	02B0-02FF	ʼˇˋ
Combining Diacritical Marks	0300-036F	U+0310 ̐
General Punctuation	2000-206F	– — ’ “ ” … ‧ ※ ⁉
Number Forms	2150-218F	ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩ
Arrows	2190-21FF	←↑→↓↖↗↘↙
Mathematical Operators	2200-22FF	∕√∞∟∠∴∵≡⊕⊙⊥
Enclosed Alphanumerics	2460-24FF	①②③④⑤⑥⑦⑧⑨⑩
Box Drawing	2500-257F	─│┌┐└┘├┤┬┴┼═║╭╮╯╰╱╲╳
Block Elements	2580-259F	▔■
Geometric Shapes	25A0-25FF	□▲△▽◇○◎●◐◑
Miscellaneous Symbols	2600-26FF	☆
Latin Extended-C	2C60-2C7F	CBETA 目前未使用
CJK Symbols and Punctuation	3000-3002	{U+3000}、。
	3004	CBETA 目前未使用	〄
	3008-3011	〈〉《》「」『』【】
	3014-301F	〔〕
	3030	CBETA 目前未使用	〰
	3037	CBETA 目前未使用	〷
	303D-303F	CBETA 目前未使用	〽〾〿
CJK Compatibility Forms	FE30-FE4F	︵︶﹁﹂﹄﹏
Small Form Variants	FE50-FE6F	﹐﹑﹒﹔﹕﹖﹗﹘﹙﹚﹛﹜﹝﹞﹟﹠﹡﹢﹣﹤﹥﹦﹨﹩﹪﹫
Halfwidth and Fullwidth Forms	FF01-FF0F	！＆＇（）＊＋，－．／
	FF10-FF19	０１２３４５６７８９
	FF1A-FF20	：；＜＝＞？＠
	FF21-FF3A	ＡＢＣＤＥＦＧＨＩＪＫＬＭＮＯＰＲＳＴＵＶＷＸＹＺ
	FF3B-FF40	［＼］＾＿｀
	FF41-FF5A	ａｂｃｄｅｉｕ
	FF5B-FF64	｜｝～

九、要列入計算的特殊字元

Unicode	Unicode Name	說明
3003 〃	Ditto Mark	重文符號，例如「漸〃」算2個字。
3005 々	IDEOGRAPHIC ITERATION MARK	重文符號，例如「人々」算2個字。
3006 〆	IDEOGRAPHIC CLOSING MARK	CBETA 目前未使用此字元。參考: https://www.letsgojp.com/archives/393819 看到「〆shime」時，大家都以為是簡寫的符號吧？其實這個字是和製漢字，部首為「丿部」，被收錄在日本的漢字辭典中呢！日本女聲優「〆野潤子」的名字裡就有這個字。
3007 〇	IDEOGRAPHIC NUMBER ZERO	因為「一二三」都算文字，「二〇二〇」就該算4個字。
3012 〒	POSTAL MARK	CBETA 目前未使用此字元。片假名「テ」演變而來參考： https://www.letsgojp.com/archives/393819
3013 〓	GETA MARK	CBETA 目前未使用此字元。用來取代字型沒有、不能顯示的字
3020 〠	POSTAL MARK FACE	CBETA 目前未使用此字元。
3036 〶	CIRCLED POSTAL MARK	CBETA 目前未使用此字元。
303B 〻	VERTICAL IDEOGRAPHIC ITERATION MARK	CBETA 目前未使用此字元。重文符號。
303C 〼	MASU MARK	CBETA 目前未使用此字元。 informal abbreviation for Japanese -masu ending 這是兩個字的縮寫符號, 通常用在結尾, XXXXmasu 參考: https://ja.wikipedia.org/wiki/%E3%80%BC

一、校注 不算

二、夾注 要算

三、<docNumber> 不算

四、「中文字數」與「英數字數」分開計算

三、缺字標記 <g> 算一個字

四、<unclear> 算一個字

七、英數字以 word 計算，而不是 characters

1. 可以構成 en_word 的字元

2. 連結符號

3. 各種用例

4. 悉曇字 Unicode

八、標點、符號不算

九、要列入計算的特殊字元

一、校注不算

二、夾注要算