1. 代码开发工具里的第一个中文标点计数器:Arduino 串口统计能做什么
代码开发工具里,Arduino 这套环境经常被当成“点灯板”,但拿它做中文标点统计反而能很快暴露一个反直觉问题:一段只靠 String 遍历的小函数,串口打印出来的数字可能比肉眼看到的标点多。这里的做法很具体:用 String 保存一段中文字符串,用 charAt(i) 逐位置取字符,用 strchr 去标点表里找命中,再用串口把计数结果打出来。
它适合刚接触 Arduino 串口调试的人,也适合做文本预处理验证的人:先在一个小板上把统计逻辑跑通,再移植到更大的程序里。边界也要先说清:这份逻辑只统计标点表里列出的中文标点,表外的省略号、破折号不会自动算进去;它做的是字符级统计,不是分词,也不负责判断标点用得对不对。拿它当第一版验证工具,比一上来塞进复杂业务里更稳。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 在 Arduino 代码开发工具里搭出可运行链路:函数、串口和第一组参数
先把链路搭短:一个标点表、一个计数函数、一个 setup() 里的样本串、一个 9600 的串口输出。链路越短,出问题时越容易定位。下面按“口径、函数、串口”三块拆开,每一步都能直接落到代码里。
2.1 先把“中文标点”口径钉死
第一版代码里,标点表是一个 C 字符串:
cpp复制const char* punctuation = ",。!?;:“”‘’【】()《》";
它包含 16 个中文标点项:逗号、句号、感叹号、问号、分号、冒号、左右双引号、左右单引号、左右方括号、左右圆括号、左右书名号。统计结果只认这张表,表外字符一律不算。这个口径看起来简单,但它直接决定后面数字对不对。
| 标点项 | 是否在第一版表内 | 说明 |
|---|---|---|
, 。 ! ? ; : |
是 | 常见句读标点 |
“ ” ‘ ’ |
是 | 中文引号按左右分别列出 |
【 】 ( ) 《 》 |
是 | 成对括号和书名号 |
…… —— |
否 | 第一版不统计,需要另加表项 |
如果业务上要把省略号、破折号也算进去,正确做法是扩展 punct[] 或标点表字符串,而不是在计数函数里临时加 if。口径写在表里,后面换样本、换板子、换人都能复现。
2.2 原函数逐行拆:punctuation、str.length()、charAt、strchr
第一版计数函数可以照下面这段跑:
cpp复制#include <Arduino.h>
int countChinesePunctuation(const String& str) {
// 标点表:只统计这里列出的中文标点
const char* punctuation = ",。!?;:“”‘’【】()《》";
int count = 0;
for (int i = 0; i < str.length(); i++) {
char c = str.charAt(i); // 取第 i 个位置上的单个 char
if (strchr(punctuation, c) != NULL) { // 在标点表里查找这个 char
count++;
}
}
return count;
}
这段代码的逻辑很清楚:str.length() 决定循环走多少次,str.charAt(i) 每次取一个 char,strchr(punctuation, c) 判断这个 char 是否出现在标点表里,命中就让 count 加一,最后返回总数。参数上,const String& str 用引用避免整串拷贝;const char* punctuation 是 C 字符串形式,不是 String 对象;count 是 int,样本不大时够用。
| 参数/接口 | 类型 | 作用 | 需要注意 |
|---|---|---|---|
str |
const String& |
待统计的中文字符串 | 传引用,避免复制 |
punctuation |
const char* |
标点表 | 只包含表内标点 |
str.length() |
返回长度 | 循环边界 | 不要想当然当成汉字个数 |
str.charAt(i) |
返回 char |
取第 i 个位置 | 取到的是单个字节位置 |
strchr |
C 字符串函数 | 查找单个 char |
按单字节匹配,不是按完整标点匹配 |
这里先记住一个关键点:charAt(i) 和 strchr 都是按“单个 char”工作的,而中文标点在字符串里往往不是单个 char。第一版能跑出数字,但数字准不准,要靠后面的逐字节日志和样本表来核对。
2.3 串口链路参数:9600、样本串和上传步骤
计数函数只负责算,结果要靠 setup() 里的串口链路打出来:
cpp复制void setup() {
Serial.begin(9600); // 串口监视器也要选 9600
String chineseString = "这是一个包含中文标点符号的字符串:,。!?;:“”‘’【】()《》";
int punctuationCount = countChinesePunctuation(chineseString);
Serial.print("中文标点符号的数量为:");
Serial.println(punctuationCount);
}
void loop() {
// 空
}
Serial.begin(9600) 里的 9600 是波特率,打开串口监视器时要选同一个值,否则看到的是空窗口或乱码。chineseString 是样本串,里面既有普通汉字,也有中文冒号、逗号、句号、感叹号、问号、分号、引号、方括号、圆括号和书名号。Serial.print 输出提示文字,Serial.println 输出计数并换行。loop() 留空,是因为这段统计只在 setup() 里跑一次,按复位就能重新看一遍结果。
上手步骤可以按这个顺序走:
- 新建一个 Arduino sketch,把计数函数和
setup()粘进去。 - 在代码开发工具里选好目标板和串口端口,先编译一次,确认没有语法错误。
- 上传到板子,打开串口监视器,波特率选 9600。
- 按一次复位,观察“中文标点符号的数量为:”后面的数字。
- 把
chineseString换成更短的样本,再重复上传或复位。
注意:串口监视器的波特率必须和
Serial.begin(9600)一致,端口也要选对;上传失败时不要先怀疑计数函数,先看编译和端口状态。
3. 代码开发工具的实测方法:用逐字节日志和样本表核对计数
第一版跑出数字以后,不要直接拿它当结论。更稳的做法是先用最小样本看函数行为,再打开逐字节日志,最后用样本表核对。这个顺序能避免“长串一跑,数字不对却不知道哪一位开始错”的翻车。
3.1 最小样本法:先只放一个句号
把样本串缩到最短,先看一位标点:
cpp复制String chineseString = "。";
按第一版逻辑,这段只含一个中文句号,修正后的预期是 1。如果串口输出大于 1,说明一个标点被拆成多个位置重复命中了。再把样本换成:
cpp复制String chineseString = ",。!?;";
这里有五个中文标点,修正后的预期是 5。最小样本的好处是肉眼能数清,输出不对时不用猜长串里哪一段出了问题。先跑单标点,再跑连续标点,最后跑带普通汉字的混合串,排查顺序就不会乱。
3.2 逐字节日志:看 charAt(i) 到底取到了什么
第一版函数只输出总数,看不到中间过程。可以在同样接口下加一段调试打印:
cpp复制int countChinesePunctuationDebug(const String& str) {
const char* punctuation = ",。!?;:“”‘’【】()《》";
int count = 0;
for (int i = 0; i < str.length(); i++) {
char c = str.charAt(i);
unsigned char uc = (unsigned char)c;
Serial.print("i=");
Serial.print(i);
Serial.print(" byte=0x");
if (uc < 16) Serial.print('0');
Serial.print((int)uc, HEX); // 打印当前单字节的十六进制值
Serial.print(" hit=");
Serial.println(strchr(punctuation, c) != NULL ? "Y" : "N");
if (strchr(punctuation, c) != NULL) {
count++;
}
}
return count;
}
这段调试版没有改计数逻辑,只是把每个位置的索引、单字节十六进制值和“是否在标点表里命中”打出来。i 是位置索引,byte=0x.. 是当前 char 的字节值,hit=Y 表示这个单字节在标点表字符串里出现过。要注意:hit=Y 只代表单字节命中,不代表这里是一个完整的中文标点。一个中文标点可能由多个字节组成,逐字节打印时你会看到多个 i 都落在同一个标点上。
| 输出字段 | 含义 | 用来判断什么 |
|---|---|---|
i= |
当前循环位置 | 一个标点占了几次循环 |
byte=0x.. |
当前单字节值 | 是否在同一标点的多个字节上重复出现 |
hit=Y/N |
单字节是否命中标点表 | 是否发生单字节误命中 |
| 最后总数 | 第一版计数结果 | 和修正版、肉眼计数对比 |
调试打印只用于验证,确认问题后要关掉或抽成开关,不要让正式输出被日志淹没。尤其是样本串较长时,逐字节日志会很多,先跑单标点再跑长串。
3.3 用样本表核对结果
我一般会固定一张小样本表,每次改函数都跑一遍:
| 样本 | 修正版预期 | 第一版观察重点 |
|---|---|---|
空串 "" |
0 | 循环不进入,应直接返回 0 |
单个句号 "。" |
1 | 是否被数成多次 |
连续标点 ",。!?;" |
5 | 是否每个标点被重复命中 |
纯汉字 "你好世界" |
0 | 是否出现普通汉字误命中 |
示例串 "这是一个包含中文标点符号的字符串:,。!?;:“”‘’【】()《》" |
17 | 和第一版结果对比差异 |
示例串里有“字符串:”后面的中文冒号,再加上后面一串标点,修正版按完整标点逐项匹配时预期是 17。第一版如果输出大于 17,大概率是多字节标点被逐字节重复计数;如果小于 17,检查标点表是否漏项,或者样本串在复制时丢了字符。核对时不要只看最后数字,要同时看调试日志里哪些 i 落在同一个标点上。
4. 代码开发工具避坑排查:中文标点翻倍、漏计和串口无输出
这类统计函数最容易出的问题不是“不会写循环”,而是“循环写对了,匹配口径错了”。下面几条都是第一版代码里能直接推出来的踩坑点,按现象、原因、解决拆开看。
4.1 现象:一个句号被数成多次
现象:样本只放一个中文句号 "。",串口却输出 2 或 3,肉眼只有一个标点,计数却翻倍。
原因:str.charAt(i) 每次取一个 char,而中文句号在字符串里往往由多个字节组成;strchr(punctuation, c) 又是按单个字节去标点表里查找。循环走到这个句号的每个字节时,只要该字节在标点表字符串里出现过,就会命中一次,于是一个完整标点被记成多次。
解决:不要用单字节 strchr 直接判定完整中文标点。常见做法是把标点表改成“逐项字符串数组”,每次用当前位置截取同样长度的片段去比较,命中后跳过整个标点的长度。这样计数单位从“字节命中”变成“完整标点命中”。
4.2 现象:普通汉字也被计入
现象:样本换成纯汉字 "你好世界",预期是 0,第一版却可能输出非零。
原因:标点表本身是一个多字节字符串,里面包含多个中文标点的字节序列。普通汉字的某个字节也可能和标点表里的某个字节相同,strchr 只认单字节,就会把普通汉字里的某个字节当成命中。这不是汉字被识别成了标点,而是单字节匹配把范围放大了。
解决:改成完整标点项匹配。下面这版把每个标点单独放进 punct[],用 substring 截取同样长度再比较:
cpp复制int countChinesePunctuationByToken(const String& str) {
const char* punct[] = {
",", "。", "!", "?", ";", ":",
"“", "”", "‘", "’", "【", "】",
"(", ")", "《", "》"
};
int punctCount = sizeof(punct) / sizeof(punct[0]);
int count = 0;
int i = 0;
while (i < str.length()) {
bool hit = false;
for (int p = 0; p < punctCount; p++) {
String token = punct[p];
if (i + token.length() <= str.length() &&
str.substring(i, i + token.length()) == token) {
count++;
i += token.length(); // 命中后跳过整个标点,避免按字节重复计数
hit = true;
break;
}
}
if (!hit) {
i++; // 不是标点就前进一个字节
}
}
return count;
}
punct[] 的每个元素都是一个完整中文标点字符串;punctCount 用数组长度自动算出来,后面加标点项不用手改循环上限;token.length() 是这个标点项的字节长度;str.substring(i, i + token.length()) 截取同样长度的片段再和 token 比较;命中后 i += token.length() 直接跳过整个标点;没有命中才 i++ 前进一个字节。这样普通汉字不会再因为某个单字节碰巧出现在标点表里而被计入。
4.3 现象:串口监视器没有输出,或结果一直是 0
现象:代码编译上传都显示成功,打开串口监视器却什么都没有,或者只看到提示文字、数字恒为 0。
原因:常见有三类。第一,Serial.begin(9600) 和串口监视器波特率不一致,窗口看起来像没输出。第二,端口选错或上传没有真正完成,板子跑的还是旧程序。第三,统计放在 setup() 里,setup() 只执行一次,按复位才会重新输出;如果没按复位,或者串口打开太晚,就可能错过第一轮输出。
解决:先核对 Serial.begin(9600) 和监视器波特率,再确认端口和上传状态;需要重新看结果时按一次复位。样本串先从 "。" 开始,不要一上来用长串。数字恒为 0 时,把样本换成标点表里的一个标点,再看调试日志里 str.length() 是否大于 0,排除样本为空或复制丢失的情况。
4.4 现象:换环境后长度口径变化,结果漏计
现象:同一段代码在一台机器上跑出的数字和另一台不一样,或者明明样本里有标点,结果却偏小。
原因:String 的 length() 和 charAt(i) 是按底层存储位置工作的,源码文件编码、复制方式、串口输入方式不同,都会影响中文字符串进入 String 后的字节排列。把 length() 当成“汉字个数”来写循环,或者用固定步长跳位置,就容易漏掉标点。第一版标点表只列了 16 项,样本里如果出现表外的中文标点,也会表现为漏计。
解决:先固定样本和源码编码,跑一遍逐字节日志,确认 length() 和 charAt(i) 的实际行为;统计函数里不要写“一个汉字固定跳几个字节”的假设,改成按标点项长度匹配。表外标点要统计时,扩展 punct[],不要临时在循环里补条件。这样换板子、换样本、换人维护,口径都还在表里。
5. 把中文标点统计做成可复用模板:三个边界值和一条固定检查习惯
把函数放进公共文件之前,我会先固定三个边界值:空串必须返回 0,单个中文句号必须返回 1,纯标点表串必须和表项数量一致。再加一个示例串做回归,确认普通汉字不会被误计。这样后面加标点、换样本,至少知道哪一步动了。
| 样本 | 预期 | 用途 |
|---|---|---|
"" |
0 | 空串边界 |
"。" |
1 | 单标点边界 |
",。!?;:“”‘’【】()《》" |
16 | 纯标点表串 |
"这是一个包含中文标点符号的字符串:,。!?;:“”‘’【】()《》" |
17 | 带普通汉字的示例串 |
"你好世界" |
0 | 普通汉字不误计 |
自测入口可以写成一个短函数,和正式计数分开:
cpp复制void runPunctuationSelfTest() {
Serial.println(countChinesePunctuationByToken("。")); // 预期 1
Serial.println(countChinesePunctuationByToken(",。!?;:“”‘’【】()《》")); // 预期 16
}
这段只做两件事:先跑单标点,确认最小单位没有翻倍;再跑纯标点表串,确认表项数量和计数
