Đếm từ file TXT, Markdown, CSV và HTML cho ra bảng số chữ (tiếng), ký tự, câu của từng tệp cùng dòng tổng, dù bạn thả 2 hay 20 tệp một lượt. Mỗi tệp tối đa 50 MB; tệp HTML chỉ đếm chữ hiển thị, Markdown bỏ ký hiệu định dạng, CSV đếm nội dung ô. Tệp được đọc bằng trình duyệt trên máy bạn, không tải lên máy chủ.
Cách đếm từ file TXT và các định dạng văn bản thô
Công cụ đọc tệp tại chỗ, đoán bảng mã, bỏ phần không phải nội dung theo đuôi tệp, rồi đếm bằng quy tắc chung của site.
Bước đầu tiên là giải mã. Tệp có dấu BOM của UTF-16 được đọc theo UTF-16; tệp còn lại thử UTF-8, không hợp lệ thì chuyển sang Windows-1258, bảng mã tiếng Việt cũ của Windows. Cột “Bảng mã” trong bảng kết quả gắn nhãn vàng cho mọi tệp không phải UTF-8 để bạn soát lại.
| Đuôi tệp | Công cụ bỏ gì trước khi đếm | Phần vẫn được tính |
|---|---|---|
| .txt | Không bỏ gì | Toàn bộ nội dung |
| .md, .markdown | Dấu # đề mục, ** _ ~~ `, dấu > trích dẫn, gạch đầu dòng, dòng kẻ bảng, địa chỉ link | Chữ của link và mô tả ảnh, nội dung khối code |
| .html, .htm | Thẻ, phần head (gồm title), script, style, noscript, svg, iframe, chú thích HTML | Mọi chữ hiển thị trong body, kể cả menu và chân trang |
| .csv, .tsv | Dấu phân cách và dấu ngoặc kép bao ô | Nội dung từng ô, kể cả dòng tên cột |
CSV tự nhận dấu phẩy, chấm phẩy hoặc tab theo dòng đầu. Ô trong ngoặc kép như “Cotton, mềm mại” là một ô dù chứa dấu phẩy, đúng quy ước của RFC 4180. Sau bước này, chữ được chuẩn hoá NFC và đếm như mọi công cụ khác, xem cách site tách chữ, câu, đoạn.
Ví dụ: nhóm viết tài liệu hướng dẫn bằng Markdown
Nhóm viết tài liệu sản phẩm thường có hàng chục tệp .md và cần tổng số chữ để báo khối lượng dịch hay kiểm độ dài từng trang.
Sáu tệp mẫu trong bộ kiểm thử cho kết quả sau:
| Tệp | Nội dung | Chữ | Ghi chú |
|---|---|---|---|
| mau-a.txt + mau-b.txt | Mẫu A và Mẫu B | 7 + 25 = 32 | Dòng tổng của 2 tệp, bảng mã UTF-8 |
| mau.md | Đề mục, chữ đậm, nghiêng, link, 2 gạch đầu dòng | 12 | Dòng đầu còn “Tiêu đề bài”, không còn dấu # |
| mau.html | Mẫu A trong thẻ p, có title và script | 7 | 29 ký tự, bằng đúng Mẫu A |
| mau.csv | Dòng tên cột và 2 sản phẩm | 11 | “Cotton, mềm mại” là 1 ô |
| mau-b-1258.txt | Mẫu B lưu bằng Windows-1258 | 25 | 112 ký tự, nhãn bảng mã Windows-1258 |
Dòng mau.html cho thấy chữ trong thẻ title và đoạn script không lọt vào kết quả. Dòng cuối là trường hợp tệp soạn từ thời Windows XP: số chữ và ký tự vẫn khớp Mẫu B như bản UTF-8.
Trường hợp đặc biệt với bảng mã và định dạng
Khi đếm từ file TXT, rủi ro lớn nhất là tệp tiếng Việt gõ bằng bảng mã TCVN3 (ABC) hoặc VNI: công cụ không chuyển mã hai bảng này.
Chữ trong các tệp đó hiện thành ký tự lạ, cột bảng mã thường báo Windows-1258, và số ký tự không còn đúng. Số chữ thường vẫn gần đúng vì dấu cách không đổi, nhưng đừng dựa vào nó để báo giá. Cách xử lý quen thuộc của dân văn phòng: copy nội dung, dùng chức năng chuyển mã của Unikey đổi từ TCVN3 hoặc VNI sang Unicode, dán vào tệp mới lưu bằng UTF-8.
Markdown có vài chỗ đáng biết. Số thứ tự của danh sách đánh số như “1.” vẫn được tính là chữ, vì công cụ chỉ bỏ gạch đầu dòng. Nội dung trong khối code cũng tính; tài liệu kỹ thuật nhiều đoạn lệnh sẽ có số chữ cao hơn phần lời giải thích.
Với HTML lưu từ trang web, menu, thanh bên và chân trang đều là chữ hiển thị nên được đếm. Muốn chỉ đếm thân bài, hãy copy phần bài viết theo hướng dẫn đếm từ trang web. Tệp .docx đổi đuôi thành .txt không đọc được, và phụ đề .srt nên dùng công cụ riêng bên dưới vì mốc thời gian sẽ bị tính thành chữ.
Công cụ liên quan
- Đếm từ theo heading chia một tệp Markdown hay HTML thành từng mục để thấy mục nào quá ngắn.
- Đếm từ file Word .docx khi tài liệu gốc nằm trong Word, có tuỳ chọn bỏ bảng và chú thích.
- Đếm từ file phụ đề .srt, .vtt bỏ mốc thời gian, chỉ đếm lời thoại và kiểm tốc độ đọc.
- Phát hiện ký tự ẩn khi hai tệp nhìn giống nhau mà số ký tự lệch vài đơn vị.
Câu hỏi thường gặp
Đếm từ file TXT nhiều tệp một lúc được không?
Được. Chọn hoặc kéo thả nhiều tệp cùng lúc, bảng hiện từng tệp và dòng tổng. Thả thêm tệp sau đó thì kết quả cộng dồn vào bảng cũ; nút “Bỏ” gỡ một tệp, nút “Xoá danh sách” làm lại từ đầu. Nút “Tải CSV” xuất cả bảng kèm dòng tổng.
File txt tiếng Việt bị lỗi font khi đếm thì làm sao?
Ký tự lạ thường do tệp lưu bằng bảng mã TCVN3 hoặc VNI, loại công cụ không chuyển được. Copy nội dung, dùng chức năng chuyển mã của Unikey đổi sang Unicode, dán vào tệp mới lưu UTF-8 rồi thả vào. Tệp Windows-1258 và UTF-16 thì công cụ tự nhận.
Đếm chữ file CSV có tính dòng tiêu đề không?
Có. Dòng tên cột cũng là các ô chứa chữ nên được tính, như tệp mẫu 11 chữ ở trên có “ten” và “mo_ta”. Muốn loại trừ, xoá dòng đầu trước khi lưu tệp. Tệp Excel .xlsx cần công cụ đếm file Excel riêng vì định dạng khác hẳn CSV.
File HTML có đếm chữ trong thẻ alt của ảnh không?
Không. Công cụ bỏ toàn bộ thẻ và chỉ giữ chữ hiển thị, nên mô tả alt, title của thẻ và chữ trong phần head đều không tính. Ngược lại, với Markdown thì mô tả ảnh viết trong ngoặc vuông vẫn được giữ và đếm.
Tệp của tôi có bị gửi đi đâu không?
Không. Trình duyệt đọc tệp ngay trên máy bạn, không có bước tải lên máy chủ và kết quả không được lưu. Đóng hoặc tải lại trang là danh sách tệp biến mất. Chính sách chi tiết ở trang chính sách dữ liệu của demtuonline.com.
Căn cứ và nguồn
- RFC 4180 — Common Format and MIME Type for CSV Files: ô chứa dấu phẩy, ngoặc kép hoặc xuống dòng được bao trong ngoặc kép.
- TextDecoder — MDN Web Docs: cách trình duyệt giải mã byte theo UTF-8, UTF-16 và các bảng mã cũ.
- TCVN 6909:2001, bộ mã tiếng Việt Unicode dạng dựng sẵn: cơ sở chuẩn hoá NFC trước khi đếm.
Kiểm tra: 16/09/2026. Tôi khuyên lưu mọi tệp văn bản tiếng Việt bằng UTF-8; bảng mã cũ vẫn đọc được nhưng là nguồn sai lệch khó thấy nhất.