Αναλυτής Κειμένου - Δωρεάν Εργαλείο Καταμέτρησης Λέξεων & Χαρακτήρων

Ένας αναλυτής κειμένου είναι ένα εργαλείο που μετρά ένα γραπτό κείμενο. Ο αναλυτής μετρά τις λέξεις, τους χαρακτήρες, τις προτάσεις και τις παραγράφους, εκτιμά τον χρόνο ανάγνωσης και παραθέτει τις λέξεις που χρησιμοποιούνται συχνότερα σε ένα απόσπασμα κειμένου.

Πώς χρησιμοποιείται ο αναλυτής κειμένου

1. Επικολλήστε ή πληκτρολογήστε κείμενο στο πλαίσιο εισαγωγής. Λειτουργεί κείμενο από το Word, τα Έγγραφα Google, μηνύματα ηλεκτρονικού ταχυδρομείου ή ιστοσελίδες.
2. Επιλέξτε Ανάλυση. Το εργαλείο εκτελείται εξ ολοκλήρου στο πρόγραμμα περιήγησης, επομένως κανένα κείμενο δεν αποστέλλεται σε διακομιστή.
3. Διαβάστε τα αποτελέσματα. Κάθε στατιστικό στοιχείο εμφανίζεται ως αριθμός με ετικέτα.
4. Επεξεργαστείτε το κείμενο και αναλύστε το ξανά όσες φορές χρειάζεται, για παράδειγμα όταν μειώνετε ένα δοκίμιο ώστε να τηρεί ένα όριο λέξεων.

Πώς υπολογίζεται ο αριθμός λέξεων

Το εργαλείο χωρίζει το κείμενο στα σημεία λευκού διαστήματος (διαστήματα, στηλοθέτες, αλλαγές γραμμής) σε ξεχωριστά διακριτικά. Ένα διακριτικό μετρά ως λέξη μόνο αν περιέχει τουλάχιστον ένα γράμμα ή έναν αριθμό, επομένως ένα μεμονωμένο σημείο στίξης ή μια σειρά από παύλες δεν μετρά. Ο έλεγχος αυτός λειτουργεί για οποιοδήποτε σύστημα γραφής, συμπεριλαμβανομένων των λατινικών, κυριλλικών, ελληνικών, αραβικών και CJK χαρακτήρων, όχι μόνο για το αγγλικό αλφάβητο.

Μια λέξη με ενωτικό, όπως "well-known", και μια συστολή, όπως "don't", μετρούν η καθεμία ως μία λέξη, επειδή καμία δεν περιέχει διάστημα.

Πώς υπολογίζεται ο αριθμός χαρακτήρων

Το εργαλείο αναφέρει δύο μετρήσεις χαρακτήρων:

• Χαρακτήρες (με διαστήματα): κάθε χαρακτήρας του κειμένου, συμπεριλαμβανομένων των διαστημάτων και των σημείων στίξης.
• Χαρακτήρες (χωρίς διαστήματα): η ίδια μέτρηση αφού αφαιρεθούν όλα τα λευκά διαστήματα.

Και οι δύο μετρήσεις υπολογίζουν συμπλέγματα γραφημάτων, δηλαδή τις μονάδες που ο αναγνώστης αντιλαμβάνεται ως έναν χαρακτήρα, και όχι ακατέργαστες μονάδες κώδικα του υπολογιστή. Αυτό έχει σημασία για τα emoji και άλλα σύμβολα που ο υπολογιστής αποθηκεύει ως περισσότερες από μία μονάδες κώδικα. Για παράδειγμα, το κείμενο "Hi 👍🏽 there" έχει 10 χαρακτήρες με αυτή τη μέθοδο, παρόλο που η ίδια συμβολοσειρά έχει 13 ακατέργαστες μονάδες κώδικα, επειδή το emoji του αντίχειρα προς τα πάνω μαζί με τον τροποποιητή τόνου δέρματος είναι ένας ορατός χαρακτήρας αλλά αποτελείται από πολλές μονάδες κώδικα. Ο μικρός μετρητής κάτω από το πλαίσιο εισαγωγής χρησιμοποιεί την ίδια μέθοδο, επομένως συμφωνεί πάντα με το αποτέλεσμα "Characters (with spaces)".

Πώς υπολογίζεται ο αριθμός προτάσεων

Οι προτάσεις εντοπίζονται με βάση τους τυπικούς κανόνες Unicode για τα όρια προτάσεων (Τμηματοποίηση κειμένου Unicode, UAX #29), και όχι με μια απλή αναζήτηση τελείας, ερωτηματικού ή θαυμαστικού. Αυτό σημαίνει ότι το εργαλείο δεν χωρίζει μια πρόταση στο δεκαδικό σημείο ή μετά από μια συνηθισμένη συντομογραφία. Η πρόταση "The U.S. economy grew 2.5%." μετρά ως μία πρόταση, όχι ως τρεις, επειδή οι κανόνες αναγνωρίζουν το "U.S." ως συντομογραφία και το "2,5" ως δεκαδικό αριθμό.

Πώς υπολογίζεται ο αριθμός παραγράφων

Μια παράγραφος είναι ένα τμήμα κειμένου που διαχωρίζεται από το επόμενο τμήμα με τουλάχιστον μία κενή γραμμή. Μία μόνο αλλαγή γραμμής μέσα σε ένα τμήμα δεν αρχίζει νέα παράγραφο, επομένως κείμενο που έχει αναδιπλωθεί σε γραμμές χωρίς κενές γραμμές μεταξύ τους εξακολουθεί να μετρά ως μία παράγραφος.

Τύπος μέσου αριθμού λέξεων ανά πρόταση

μέσος αριθμός λέξεων ανά πρόταση = αριθμός λέξεων ÷ αριθμός προτάσεων

Το αποτέλεσμα εμφανίζεται στρογγυλοποιημένο σε ένα δεκαδικό ψηφίο. Ο αριθμός αυτός αποτελεί κατά προσέγγιση ένδειξη της ευκολίας ανάγνωσης του κειμένου: οι μικρότερες μέσες προτάσεις διαβάζονται γενικά ευκολότερα από τις μεγαλύτερες.

Τύπος χρόνου ανάγνωσης

χρόνος ανάγνωσης (λεπτά) = αριθμός λέξεων ÷ 225

Το εργαλείο θεωρεί ταχύτητα ανάγνωσης 225 λέξεων ανά λεπτό, μια συχνά αναφερόμενη τιμή για τη μέση ταχύτητα σιωπηρής ανάγνωσης ενηλίκων, και στρογγυλοποιεί το αποτέλεσμα σε ένα δεκαδικό ψηφίο. Ένα απόσπασμα 450 λέξεων, για παράδειγμα, δίνει χρόνο ανάγνωσης ακριβώς 2,0 λεπτών.

Πώς εντοπίζονται οι συχνότερες λέξεις

Το εργαλείο μετατρέπει κάθε λέξη σε πεζά και αφαιρεί τα σημεία στίξης από την αρχή και το τέλος της, ώστε τα "Dog," και "dog" να μετρούν ως η ίδια λέξη. Η στίξη στο εσωτερικό μιας λέξης διατηρείται, επομένως τα "don't" και "well-known" εμφανίζονται στη λίστα γραμμένα όπως γράφτηκαν. Η καμπύλη απόστροφος αντιμετωπίζεται ως απλή απόστροφος, επομένως τα "don’t" και "don't" είναι η ίδια λέξη. Στη συνέχεια το εργαλείο μετρά πόσες φορές εμφανίζεται κάθε μοναδική λέξη και παραθέτει τις πέντε συχνότερες, από τη μεγαλύτερη προς τη μικρότερη συχνότητα. Όταν δύο λέξεις έχουν την ίδια συχνότητα, πρώτη παρατίθεται εκείνη που εμφανίστηκε πρώτη στο κείμενο.

Λυμένο παράδειγμα

Παράδειγμα 1

Κείμενο: "The quick brown fox jumps over the lazy dog. This sentence contains every letter of the alphabet."

Έλεγχος αριθμού λέξεων: 17 διακριτικά χωρισμένα με λευκά διαστήματα περιέχουν γράμμα, επομένως ο αριθμός λέξεων είναι 17. Έλεγχος αριθμού προτάσεων: 17 ÷ 2 = 8,5, τιμή που συμφωνεί με τον εμφανιζόμενο μέσο όρο.

Παράδειγμα 2

Κείμενο: "Hello world! This is the first paragraph.\n\nThis is the second paragraph with more content. It has multiple sentences to demonstrate the analyzer."

Η κενή γραμμή ανάμεσα στις δύο γραμμές κειμένου σηματοδοτεί αλλαγή παραγράφου, επομένως ο αριθμός παραγράφων είναι 2. Οι κανόνες Unicode για τις προτάσεις χωρίζουν το κείμενο σε τέσσερις προτάσεις: "Hello world!", "This is the first paragraph.", "This is the second paragraph with more content." και "It has multiple sentences to demonstrate the analyzer.". Έτσι προκύπτει 23 ÷ 4 = 5,75, που στρογγυλοποιείται σε 5,8.

Ειδικές περιπτώσεις

• Κενή είσοδος: το εργαλείο εμφανίζει μια σύντομη σημείωση που ζητά κείμενο αντί για πίνακα αριθμών.
• Μόνο λευκά διαστήματα: αντιμετωπίζεται όπως η κενή είσοδος.
• Μόνο σημεία στίξης: κείμενο όπως "--- ..." δεν περιέχει λέξεις, επομένως εμφανίζεται η ίδια σημείωση.
• Χωρίς κενές γραμμές: ολόκληρο το κείμενο μετρά ως μία παράγραφος, ακόμη κι αν εκτείνεται σε πολλές γραμμές.
• Γλώσσες χωρίς διαστήματα: η καταμέτρηση λέξεων εξαρτάται από τα διαστήματα μεταξύ των λέξεων, επομένως δεν δίνει ουσιαστικό αποτέλεσμα για γλώσσες όπως τα κινεζικά, τα ιαπωνικά ή τα ταϊλανδικά, οι οποίες δεν χωρίζουν τις λέξεις με διαστήματα. Η καταμέτρηση χαρακτήρων λειτουργεί για οποιαδήποτε γλώσσα.

Συχνές ερωτήσεις

Συμφωνεί ο αριθμός λέξεων με το Microsoft Word;

Συνήθως, ναι, για συνηθισμένο κείμενο. Και τα δύο μετρούν ως λέξεις τα διακριτικά που χωρίζονται με λευκά διαστήματα. Μικρές διαφορές μπορεί να εμφανιστούν σε λέξεις με ενωτικό ή σε ασυνήθιστη στίξη, επειδή τα διαφορετικά προγράμματα αντιμετωπίζουν αυτές τις περιπτώσεις ελαφρώς διαφορετικά.

Γιατί υπάρχουν δύο μετρήσεις χαρακτήρων;

Οι διαφορετικές πλατφόρμες μετρούν διαφορετικά. Οι περισσότερες υπηρεσίες κοινωνικής δικτύωσης, συμπεριλαμβανομένων των Twitter/X, συνυπολογίζουν τα διαστήματα στο όριο χαρακτήρων. Ορισμένα συστήματα υποβολής ακαδημαϊκών εργασιών και συστήματα ανταλλαγής μηνυμάτων εξαιρούν τα διαστήματα. Η εμφάνιση και των δύο μετρήσεων αποτρέπει τις εκπλήξεις κατά τη μεταφορά κειμένου μεταξύ πλατφορμών.

Μετρά ένα emoji ως ένας χαρακτήρας;

Ναι. Το εργαλείο μετρά συμπλέγματα γραφημάτων, τις μονάδες που ο αναγνώστης βλέπει ως έναν χαρακτήρα, επομένως ένα emoji μετρά ως ένας χαρακτήρας, παρόλο που μπορεί να αποθηκεύεται εσωτερικά ως περισσότερες από μία μονάδες κώδικα.

Πόσο ακριβής είναι ο αριθμός προτάσεων;

Το εργαλείο χρησιμοποιεί τους τυπικούς κανόνες Unicode για τα όρια προτάσεων, οι οποίοι αντιμετωπίζουν σωστά συνηθισμένες περιπτώσεις, όπως οι δεκαδικοί αριθμοί ("2,5") και οι συντομογραφίες ("U.S.", "Dr."). Καμία αυτόματη μέθοδος δεν είναι τέλεια για κάθε πιθανή πρόταση, αλλά αυτή η προσέγγιση αποφεύγει τα συχνότερα σφάλματα μιας απλής αναζήτησης τελειών και ερωτηματικών.

Λειτουργεί αυτό για γλώσσες εκτός των αγγλικών;

Η καταμέτρηση χαρακτήρων λειτουργεί για οποιαδήποτε γλώσσα. Η καταμέτρηση λέξεων λειτουργεί για κάθε γλώσσα που χωρίζει τις λέξεις με διαστήματα, όπως τα ισπανικά, τα γαλλικά ή τα γερμανικά. Δεν δίνει ουσιαστικό αριθμό λέξεων για γλώσσες που δεν χρησιμοποιούν διαστήματα μεταξύ των λέξεων, όπως τα κινεζικά ή τα ιαπωνικά.

Υπάρχει όριο στο πόσο κείμενο μπορώ να αναλύσω;

Δεν υπάρχει προκαθορισμένο όριο και η επεξεργασία γίνεται αμέσως για συνηθισμένα έγγραφα, όπως δοκίμια, αναρτήσεις ιστολογίων και μηνύματα ηλεκτρονικού ταχυδρομείου. Πολύ μεγάλα έγγραφα, όπως ένα ολόκληρο μυθιστόρημα, χρειάζονται λίγο περισσότερο χρόνο για επεξεργασία, επειδή το κείμενο αναλύεται εξ ολοκλήρου στο πρόγραμμα περιήγησης.