行数和段落数怎么区分 - 极速工具箱

从网页上复制一篇文章，粘到统计工具里，结果让人吃了一惊：明明只有五个自然段，工具却显示四十多行。这不是工具算错了，而是「行」和「段」本来就是两个不同的口径，一个按换行符切，一个按空行切。

两种切分方式

行数的口径很简单：按换行符切分，有几个换行符就有几行，纯空白行也算一行。它衡量的是文本的物理结构。

段落数的口径是：以空行分隔的文本块数量。连续的几行只要中间没有空行，就算作同一个段落。它衡量的是文本的逻辑结构。

这两者的差距，取决于文本里有多少「单换行」。一段没有任何硬换行的文字，行数和段落数会完全相等；而一段被硬换行切碎的文字，行数可能比段落数多出好几倍。

硬换行的来源主要有三类。

第一类是网页排版。HTML 里的段落通常用 <p> 标签表示，复制时浏览器会把每个段落的结尾转成换行符，这本身是合理的。但很多网页用 <br> 来做视觉上的换行，或者用固定宽度的容器让文本自然折行，复制时这些视觉换行也会被转成硬换行，于是每一行都变成了独立的一行。

第二类是 PDF。PDF 是为打印设计的格式，它记录的是「每个字画在哪个坐标」，而不是段落结构。提取文本时只能根据坐标推测换行，结果往往是每行都带一个硬换行，甚至连断词的地方都被切开。

第三类是终端和代码编辑器。命令行输出、日志文件、代码片段本身就是按行组织的，行数是它们最自然的度量单位。

这三种来源叠加，就出现了「五个段落、四十行」的情况。

理解了差异，选择口径就不难了。

判断文章结构时看段落数。一篇文章有几个论点、每个论点展开几段，这些都要用段落数衡量。如果拿行数去评估，一段被硬换行切碎的文字会显得「很长」，得出完全错误的结论。

检查代码、配置、日志、清单时看行数。这些内容的语义单位就是行，代码有几行、日志有多少条记录，用行数才对。

还有一种情况需要看「非空行」。行数里包含了只由空白组成的行，这些行在排版上是分隔符，在统计上会虚增行数。去掉它们之后的非空行数，更能反映文本的实际密度。

如果确实需要按段落统计一段从网页复制来的文本，可以先清理硬换行。

思路是：把「单个换行」替换成空格或直接删除，把「连续两个换行」保留下来作为段落分隔。在支持正则的编辑器里，可以先把连续空行标记出来，再把剩余的单个换行替换掉。另一种做法是先把所有换行替换成空格，再手动按段落断行——适合段落数不多的短文本。

清理时要小心两个副作用。一是代码块和表格不能这么处理，它们依赖硬换行来维持结构；二是列表项前面通常有标记符号，合并后会挤在一起，需要保留原有的换行。所以清理动作只对纯叙述性文本做，混合内容还是分开统计更稳妥。