深田咏美作品年度数量怎么统计：按发行年份去重

计算它的长度、出现次数或文本占比，关键是先统一统计口径：是否要求五字连续出现、是否区分标点和空格、分母按汉字数还是全部字符数计算。下面用明确的演示文本逐步计算，结果只适用于所列样本。

统计口径：先确定什么算一次命中

本文把“深田咏美猛”视为一个完整词项，只有五个字连续排列、顺序完全一致时，才记作一次命中。中间插入空格或标点、少一个字、多一个字，均不算完整命中。例如，“深田咏美 猛”不是连续字符串；“深田咏美”只有四个字，也不能计入完整词项的出现次数。

基础长度单位为“字”，只数目标字符串里的汉字，不把引号、顿号、空格或换行算入目标词长度。因此，目标词长度为5字。若统计一段文本的长度，必须另行说明是否把标点、英文字母、数字和空格计入分母；分子与分母采用不同规则，会使占比失去可比性。

演示样本：逐行统计字符数和命中次数

以下三行是专门用于演示的样本。按汉字计数，忽略标点和空格；本例每行均不含标点。统计对象仍是完整的“深田咏美猛”。

第三行还出现了一次“深田咏美”，但它只有四个字，不满足五字连续匹配条件，所以不额外增加完整词项的次数。这里的判定能避免把相近写法、短词或拆开的字符串混进统计结果。

计算公式：长度、总次数与文本占比

目标词长度＝目标字符串中的汉字数。本例为5字。

总命中次数＝各样本中完整连续出现次数之和。本例为1＋1＋1＝3次。

字符覆盖率＝命中次数×目标词长度÷样本总字数×100%。代入本例数据：3×5÷54×100%≈27.78%。也就是说，在这三行演示文本中，完整词项覆盖了约27.78%的汉字位置。该数值是样本计算结果，不代表其他文本的占比。

若希望表达单位长度内出现频率，也可以计算“每百字命中数”：3÷54×100≈5.56次/百字。覆盖率与每百字命中数的分子、分母关系不同，前者把每次出现所占的五个字都计入覆盖长度，后者只计算出现次数。引用结果时应写清指标名称，不能把两个百分比或频率混作一项。

实际计算步骤：从文本整理到复核

1. 固定目标写法。将待统计字符串定为“深田咏美猛”，不要在计算中途把四字短词或其他近似写法合并进来。
2. 统一文本范围。明确统计哪些段落、标题或表格；同一段重复粘贴两遍，就会被当作两份文本计算，除非事先去重。
3. 确定字符口径。本例只统计汉字，标点和空格不进入总字数。若改成统计所有可见字符，应对样本和目标保持同一口径，并重新计算分母。
4. 按连续字符串查找。从左到右核对五个字是否完整相连。出现一次记1次；若一个词项在同一行重复，逐次计数，而不是每行最多记一次。
5. 汇总并复算。把各行字符数与命中数分别相加，再套用相应公式。本例总字数为16＋16＋22＝54字，总命中数为3次。

容易造成偏差的几种情况

把“出现过”当作“只出现一次”。一行文字中若连续出现两次目标词，就应记录两次；按段落只记一次会低估总频次。

混用精确匹配和部分匹配。统计“深田咏美猛”时，不能将“深田咏美”自动补上“猛”，也不能把只含其中部分字符的片段当作完整命中。若另行统计短词，应给它单独的词项和结果。

改变分母却沿用旧占比。加入新段落、删除重复行，或把标点纳入总字符数后，样本总量会变化，覆盖率和每百字频率都需要重新计算。

把示例数值外推到其他文本。这里的3次、54字和27.78%仅来自表中的三行演示样本。统计其他材料时，按相同口径重新数长度和命中次数，再代入公式即可；若改变口径，也应在结果旁说明具体规则。

因此，计算“深田咏美猛”时，可以先报告稳定的词长“5字”，再根据限定文本汇总命中次数；只有样本范围、连续匹配条件与分母规则都写清楚，词频和覆盖率才有可复算的意义。