korean-character-count

韩文字数统计

功能说明

针对自我介绍、求职申请表、自由问答表单等对字数限制极高的韩文文本，抛弃大模型的模糊估计，采用确定性逻辑进行精准统计。

• 基础字数：基于 Intl.Segmenter 的 Unicode extended grapheme cluster（扩展字素集群）
• 行数：将 CRLF、LF、CR、U+2028、U+2029 统一计为 1 次换行
• 基础字节数：UTF-8 实际编码长度
• 兼容配置：支持 neis 字节规则

适用场景

• "帮我准确查一下这份自我介绍有没有超过 1000 字"
• "按 UTF-8 字节标准计算这段文本的长度"
• "把行数和字节数也一起统计出来"
• "这段包含韩文、英文、Emoji 的句子别凭感觉猜，用代码帮我精确统计"

为什么需要此 Skill

• 在有字数限制的场景下，差 1 个字都可能导致提交失败。
• 大模型凭视觉估算字数缺乏可复现性与稳定性。
• 本 Skill 绝不会随意 trim 或正则归一化输入文本，完全严格按文档约定进行统计。

统计契约 (Contracts)

default 配置

• characters（字数）：Intl.Segmenter("ko", { granularity: "grapheme" })
• bytes（字节数）：Buffer.byteLength(text, "utf8")
• lines（行数）：
  • 空字符串 => 0
  • 非空文本 => 换行序列数量 + 1
  • CRLF 计为 1 次换行，而非 2 次换行

neis 配置

• characters（字数）：与 default 一致
• lines（行数）：与 default 一致
• bytes（字节数）：
  • 韩文字素（grapheme）=> 3B
  • ASCII 字素 => 1B
  • Enter/换行序列 => 2B
  • 其他字符兜底退回 UTF-8 实际字节长度

前置条件

• node 18+
• 已安装 Skill 的 payload 目录中需包含 scripts/korean_character_count.js 辅助脚本
• 无需任何 API Key

执行流程

1. 直接接收文本输入，或从文件/STDIN 读取。
2. 运行 node scripts/korean_character_count.js 执行确定性字数统计。
3. 选择所需的配置 Profile（default/neis）与输出格式 Format（json/text）。
4. 原样返回统计结果，并说明所使用的统计契约规则。

CLI 使用示例

node scripts/korean_character_count.js --text "가나다"
node scripts/korean_character_count.js --text $'첫 줄\r\n둘째 줄🙂'
node scripts/korean_character_count.js --text $'첫 줄\n둘째 줄🙂' --profile neis --format text
node scripts/korean_character_count.js --file ./essay.txt --profile default
cat essay.txt | node scripts/korean_character_count.js --stdin --profile neis

输出规范

• 切勿盲目预测，必须直接使用 helper 脚本返回的结果。
• 输出结果时必须标明所使用的 Profile 配置。
• 如无特殊要求，默认使用 default Profile。
• 仅在提交目标明确要求 NEIS / 韩国教育信息系统（학교생활기록부）等特殊契约时，才使用 neis Profile。

验收标准

• 能够同时返回字数、行数与字节数。
• 文档中明确标注了 default 与 neis 契约规则的区别。
• node scripts/korean_character_count.js --help 可正常运行。
• 针对韩文/英文/空格/换行/Emoji 混合输入的测试均已通过。

参考资料

• Unicode grapheme clusters: https://www.unicode.org/reports/tr29/
• WHATWG Encoding Standard: https://encoding.spec.whatwg.org/
• Node Buffer.byteLength: https://nodejs.org/api/buffer.html