Teksti Analüsaator - Tasuta Sõnade Loendur & Tärgede Arvutaja

Tekstianalüsaator on kirjutise mõõtmise tööriist. See tekstianalüsaator loendab sõnu, märke, lauseid ja lõike, hindab lugemisaega ning loetleb tekstikatkendis kõige sagedamini kasutatud sõnad.

Kuidas tekstianalüsaatorit kasutada

1. Kleepige tekst sisestusväljale või tippige see sinna. Sobib tekst Wordist, Google Docsist, e-kirjadest või veebilehtedelt.
2. Valige Analüüsi. Tööriist töötab täielikult brauseris, seega ei saadeta teksti serverisse.
3. Lugege tulemusi. Iga statistikanäit kuvatakse vastava sildiga arvuna.
4. Muutke teksti ja analüüsige seda uuesti nii mitu korda kui vaja, näiteks essee kärpimisel sõnade piirmäära täitmiseks.

Kuidas sõnade arvu arvutatakse

Tööriist jagab teksti tühimärkide (tühikud, tabeldused, reavahetused) kohalt eraldi märkideks. Märk läheb sõnana arvesse ainult siis, kui see sisaldab vähemalt üht tähte või numbrit, seega üksikut kirjavahemärki või kriipsudest koosnevat jada ei loendata. See kontroll toimib mis tahes kirjasüsteemi puhul, sealhulgas ladina, kirillitsa, kreeka, araabia ja CJK märkide korral, mitte ainult inglise tähestiku puhul.

Sidekriipsuga sõna, näiteks "well-known", ja lühendvorm, näiteks "don't", lähevad kumbki arvesse ühe sõnana, sest kumbki ei sisalda tühikut.

Kuidas märkide arvu arvutatakse

Tööriist näitab kaht märkide arvu:

• Märgid (koos tühikutega): kõik tekstis olevad märgid, sealhulgas tühikud ja kirjavahemärgid.
• Märgid (ilma tühikuteta): sama arv pärast kõigi tühimärkide eemaldamist.

Mõlemad arvud mõõdavad grafeemiklastreid ehk üksusi, mida lugeja tajub ühe märgina, mitte arvuti algseid koodiühikuid. See on oluline emotikonide ja muude sümbolite puhul, mida arvuti talletab rohkem kui ühe koodiühikuna. Näiteks on tekstis "Hi 👍🏽 there" selle meetodi järgi 10 märki, kuigi sama jada pikkuseks saadakse algsete koodiühikute arvuna 13, sest nahatooni tähisega pöidlaid üles näitav emotikon on üks nähtav märk, kuid koosneb mitmest koodiühikust. Sisestusvälja all olev väike loendur kasutab sama meetodit, seega ühtib see alati tulemusega "Characters (with spaces)".

Kuidas lausete arvu arvutatakse

Laused tuvastatakse Unicode’i standardsete lausepiirireeglite (Unicode Text Segmentation, UAX #29) abil, mitte lihtsalt punkti, küsimärgi või hüüumärgi otsimisega. See tähendab, et tööriist ei jaga lauset kümnendkoha eraldusmärgi juurest ega levinud lühendi järel. Lause "The U.S. economy grew 2.5%." läheb arvesse ühe lausena, mitte kolmena, sest reeglid tuvastavad "U.S." lühendina ja „2,5” kümnendarvuna.

Kuidas lõikude arvu arvutatakse

Lõik on tekstiplokk, mida eraldab järgmisest plokist vähemalt üks tühi rida. Üksik reavahetus ploki sees uut lõiku ei alusta, seega loetakse ilma tühjade ridadeta käsitsi reamurtud tekst üheks lõiguks.

Keskmise sõnade arvu lause kohta valem

keskmine sõnade arv lause kohta = sõnade arv ÷ lausete arv

Tulemus ümardatakse ühe kümnendkohani. See arv näitab ligikaudselt, kui hõlpsasti on teksti lugeda: lühemad keskmised laused on üldjuhul kergemini loetavad kui pikemad.

Lugemisaja valem

lugemisaeg (minutites) = sõnade arv ÷ 225

Tööriist eeldab lugemiskiiruseks 225 sõna minutis, mida sageli nimetatakse täiskasvanu keskmiseks vaikselt lugemise kiiruseks, ning ümardab tulemuse ühe kümnendkohani. Näiteks 450-sõnalise tekstikatkendi lugemisaeg on täpselt 2,0 minutit.

Kuidas leitakse kõige sagedamini esinevad sõnad

Tööriist muudab iga sõna väiketähtedeks ning eemaldab selle algusest ja lõpust kirjavahemärgid, nii et „Dog,” ja „dog” lähevad arvesse sama sõnana. Sõna sees olevad kirjavahemärgid säilitatakse, seega kuvatakse "don't" ja "well-known" loendis sellisel kujul, nagu need kirjutati. Kumer ülakoma loetakse tavaliseks ülakomaks, seega on "don’t" ja "don't" sama sõna. Seejärel loendab tööriist iga kordumatu sõna esinemiskorrad ja loetleb viis kõige sagedasemat sõna, sageduse kahanevas järjekorras. Kui kahel sõnal on sama esinemissagedus, kuvatakse esimesena tekstis varem esinenud sõna.

Näidisarvutus

Näide 1

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

Sõnade arvu kontroll: 17 tühikutega eraldatud märki sisaldavad tähte, seega on sõnade arv 17. Lausete arvu kontroll: 17 ÷ 2 = 8,5, mis vastab kuvatud keskmisele.

Näide 2

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

Kahe tekstirea vaheline tühi rida tähistab lõiguvahetust, seega on lõikude arv 2. Unicode’i lausepiirireeglid jagavad teksti neljaks lauseks: "Hello world!", "This is the first paragraph.", "This is the second paragraph with more content." ja "It has multiple sentences to demonstrate the analyzer.". Seega 23 ÷ 4 = 5,75, mis ümardatakse väärtuseni 5,8.

Erijuhud

• Tühi sisend: tööriist kuvab arvutabeli asemel lühikese teate, milles palutakse teksti sisestada.
• Ainult tühimärgid: käsitletakse samamoodi nagu tühja sisendit.
• Ainult kirjavahemärgid: sellises tekstis nagu „--- ...” pole sõnu, seega kuvatakse sama teade.
• Tühjade ridadeta: kogu tekst loetakse üheks lõiguks isegi siis, kui see ulatub paljudele ridadele.
• Tühikuteta keeled: sõnade loendamine sõltub sõnade vahelistest tühikutest, seega ei anna see tähenduslikku tulemust selliste keelte puhul nagu hiina, jaapani või tai keel, milles sõnu tühikutega ei eraldata. Märkide loendamine toimib siiski kõigi keelte puhul.

Korduma kippuvad küsimused

Kas sõnade arv ühtib Microsoft Wordi omaga?

Tavaliselt küll, tavalise teksti puhul. Mõlemad loendavad tühikutega eraldatud märgirühmi sõnadena. Sidekriipsuga sõnade või ebatavaliste kirjavahemärkide korral võib esineda väikseid erinevusi, sest eri programmid käsitlevad neid juhtumeid veidi erinevalt.

Miks kuvatakse kaks märkide arvu?

Eri platvormid loendavad erinevalt. Enamik sotsiaalmeediateenuseid, sealhulgas Twitter/X, arvestab märgipiirangu sisse ka tühikud. Mõni akadeemiliste tööde esitamise süsteem ja sõnumisüsteem jätab tühikud välja. Mõlema arvu näitamine aitab vältida üllatusi teksti platvormide vahel teisaldamisel.

Kas emotikon läheb arvesse ühe märgina?

Jah. Tööriist loendab grafeemiklastreid ehk üksusi, mida lugeja näeb ühe märgina, seega läheb emotikon arvesse ühe märgina isegi siis, kui seda võidakse sisemiselt talletada rohkem kui ühe koodiühikuna.

Kui täpne on lausete arv?

Tööriist kasutab Unicode’i standardseid lausepiirireegleid, mis käsitlevad õigesti levinud juhtumeid, näiteks kümnendarve („2,5”) ja lühendeid ("U.S.", „Dr.”). Ükski automaatne meetod ei ole iga võimaliku lause puhul täiuslik, kuid see lähenemisviis väldib lihtsa punktide ja küsimärkide otsimise kõige tavalisemaid vigu.

Kas see töötab ka muude keelte kui inglise keele puhul?

Märkide loendamine toimib kõigi keelte puhul. Sõnade loendamine toimib kõigi nende keelte puhul, milles sõnu eraldatakse tühikutega, näiteks hispaania, prantsuse ja saksa keeles. See ei anna tähenduslikku sõnade arvu keelte puhul, milles sõnade vahel tühikuid ei kasutata, näiteks hiina või jaapani keeles.

Kas analüüsitava teksti mahul on piirang?

Kindlat piirangut ei ole ning tüüpilisi dokumente, nagu esseesid, blogipostitusi ja e-kirju, töödeldakse kohe. Väga pikkade dokumentide, näiteks terve romaani töötlemine võtab veidi kauem aega, sest teksti analüüsitakse täielikult brauseris.