تحلیلگر متن - ابزار رایگان شمارش کلمات و شمارش کاراکترها
تحلیل فوری متن با شمارش کلمات، شمارش کاراکترها (با/بدون فاصله)، شمارش جملات، زمان مطالعه و تحلیل فراوانی. مناسب برای مقالات، سئو و رسانههای اجتماعی.
تحلیلگر متن
مستندات
تحلیلگر متن ابزاری است که یک نوشته را اندازه‌گیری میکند. این تحلیلگر متن تعداد واژهها، نویسه‌ها، جملهها و بندها را میشمارد، زمان خواندن را برآورد میکند و واژه‌هایی را که بیشترین کاربرد را در بخشی از متن دارند فهرست میکند.
نحوه استفاده از تحلیلگر متن
- متن را در کادر ورودی جای‌گذاری یا تایپ کنید. متنِ Word، Google Docs، ایمیلها یا صفحات وب همگی قابل استفاده‌اند.
- تحلیل را انتخاب کنید. این ابزار کاملاً در مرورگر اجرا میشود، بنابراین هیچ متنی به سرور ارسال نمیشود.
- نتایج را بخوانید. هر آمار بهصورت یک عددِ دارای برچسب نمایش داده میشود.
- متن را ویرایش کنید و هرچند بار که لازم است دوباره تحلیل کنید؛ برای مثال هنگام کوتاه‌کردن یک مقاله تا رسیدن به محدودیت تعداد واژهها.
نحوه محاسبه تعداد واژهها
ابزار متن را بر اساس فاصله‌های سفید (فاصله، تب و شکست خط) به توکنهای جداگانه تقسیم میکند. یک توکن تنها زمانی واژه محسوب میشود که دست‌کم یک حرف یا عدد داشته باشد؛ بنابراین یک نشانه نگارشیِ تنها یا رشته‌ای از خط‌تیره‌ها شمرده نمیشود. این بررسی برای هر خط نوشتاری، ازجمله نویسه‌های لاتین، سیریلیک، یونانی، عربی و CJK، کار میکند و فقط به الفبای انگلیسی محدود نیست.
واژه‌ای دارای خطتیره مانند "well-known" و صورت کوتاه‌شده‌ای مانند "don't" هرکدام یک واژه شمرده می‌شوند، زیرا هیچ‌کدام فاصله ندارند.
نحوه محاسبه تعداد نویسه‌ها
ابزار دو تعداد نویسه را گزارش میکند:
- نویسه‌ها (با فاصلهها): هر نویسه موجود در متن، ازجمله فاصلهها و علائم نگارشی.
- نویسه‌ها (بدون فاصلهها): همان تعداد پس از حذف همه فاصله‌های سفید.
هر دو تعداد، خوشههای گرافیمی را اندازه‌گیری میکنند؛ یعنی واحدهایی که خواننده بهصورت یک نویسه واحد درک میکند، نه واحدهای خام کد رایانه. این موضوع برای ایموجی‌ها و نمادهای دیگری اهمیت دارد که رایانه آنها را بهصورت بیش از یک واحد کد ذخیره میکند. برای نمونه، متن "Hi 👍🏽 there" با این روش ۱۰ نویسه دارد، هرچند همین رشته ۱۳ واحد کد خام دارد، زیرا ایموجی شست بالا همراه با نشانگر رنگ پوست، یک نویسه دیداری است، اما از چند واحد کد تشکیل شده است. شمارنده کوچک زیر کادر ورودی از همین روش استفاده میکند، بنابراین همیشه با نتیجه "Characters (with spaces)" یکسان است.
نحوه محاسبه تعداد جملهها
جملهها با استفاده از قواعد استاندارد یونیکد برای مرزهای جمله (قطعه‌بندی متن یونیکد، UAX #29) شناسایی می‌شوند، نه با جستوجوی ساده برای نقطه، علامت سؤال یا علامت تعجب. بنابراین ابزار جمله را در نقطه اعشاری یا پس از یک کوتاه‌نوشت رایج جدا نمی‌کند. جمله "The U.S. economy grew 2.5%." یک جمله شمرده میشود، نه سه جمله، زیرا این قواعد "U.S." را کوتاه‌نوشت و "۲٫۵" را عدد اعشاری تشخیص می‌دهند.
نحوه محاسبه تعداد بندها
بند، بلوکی از متن است که دست‌کم با یک خط خالی از بلوک بعدی جدا میشود. شکست خطِ منفرد درون یک بلوک بند جدیدی ایجاد نمی‌کند؛ بنابراین متنی که بین خطوط آن خط خالی وجود ندارد و بهصورت دستی شکسته شده باشد همچنان یک بند شمرده میشود.
فرمول میانگین واژهها در هر جمله
میانگین واژهها در هر جمله = تعداد واژهها ÷ تعداد جملهها
نتیجه با گرد کردن تا یک رقم اعشار نمایش داده میشود. این عدد راهنمایی تقریبی برای میزان آسان‌خوانی متن است: جمله‌های کوتاه‌تر معمولاً از جمله‌های طولانی‌تر آسان‌تر خوانده می‌شوند.
فرمول زمان خواندن
زمان خواندن (دقیقه) = تعداد واژهها ÷ ۲۲۵
ابزار سرعت خواندن ۲۲۵ واژه در دقیقه را فرض میکند؛ این مقدار رقمی رایج برای سرعت متوسط خواندن بی‌صدای بزرگسالان است و نتیجه را تا یک رقم اعشار گرد میکند. برای نمونه، متنی ۴۵۰ واژه‌ای زمان خواندن دقیقاً ۲٫۰ دقیقه‌ای دارد.
نحوه یافتن واژههای پرتکرار
ابزار هر واژه را به حروف کوچک تبدیل میکند و علائم نگارشی ابتدا و انتهای آن را حذف میکند؛ بنابراین «Dog,» و «dog» یک واژه شمرده می‌شوند. علائم نگارشی درون واژه حفظ می‌شوند، بنابراین "don't" و "well-known" در فهرست با همان املایی که نوشته شده‌اند ظاهر می‌شوند. آپاستروف خمیده مانند آپاستروف ساده در نظر گرفته میشود، بنابراین "don’t" و "don't" یک واژه‌اند. سپس ابزار تعداد تکرار هر واژه یکتا را میشمارد و پنج واژه رایج‌تر را از بیشترین تعداد تا کمترین فهرست میکند. اگر دو واژه تعداد یکسانی داشته باشند، واژه‌ای که زودتر در متن آمده است ابتدا فهرست میشود.
مثال حل‌شده
مثال ۱
متن: "The quick brown fox jumps over the lazy dog. This sentence contains every letter of the alphabet."
| معیار | نتیجه |
|---|---|
| تعداد واژهها | ۱۷ |
| نویسه‌ها (با فاصلهها) | ۹۷ |
| نویسه‌ها (بدون فاصلهها) | ۸۱ |
| تعداد جملهها | ۲ |
| تعداد بندها | ۱ |
| میانگین واژهها در هر جمله | ۸٫۵ |
| زمان خواندن | ۰٫۱ دقیقه |
| واژههای پرتکرار | the (۳)، quick (۱)، brown (۱)، fox (۱)، jumps (۱) |
بررسی تعداد واژهها: ۱۷ توکن جداشده با فاصله سفید دارای حرف هستند، بنابراین تعداد واژهها ۱۷ است. بررسی تعداد جملهها: ۱۷ ÷ ۲ = ۸٫۵، که با میانگین نمایش‌داده‌شده مطابقت دارد.
مثال ۲
متن: "Hello world! This is the first paragraph.\n\nThis is the second paragraph with more content. It has multiple sentences to demonstrate the analyzer."
| معیار | نتیجه |
|---|---|
| تعداد واژهها | ۲۳ |
| نویسه‌ها (با فاصلهها) | ۱۴۵ |
| نویسه‌ها (بدون فاصلهها) | ۱۲۲ |
| تعداد جملهها | ۴ |
| تعداد بندها | ۲ |
| میانگین واژهها در هر جمله | ۵٫۸ |
| زمان خواندن | ۰٫۱ دقیقه |
| واژههای پرتکرار | the (۳)، this (۲)، is (۲)، paragraph (۲)، hello (۱) |
خط خالی میان دو خط متن نشان‌دهنده شکست بند است، بنابراین تعداد بندها ۲ است. قواعد جمله یونیکد متن را به چهار جمله تقسیم میکنند: "Hello world!"، "This is the first paragraph."، "This is the second paragraph with more content." و "It has multiple sentences to demonstrate the analyzer." در نتیجه ۲۳ ÷ ۴ = ۵٫۷۵ است که به ۵٫۸ گرد میشود.
موارد خاص
- ورودی خالی: ابزار به‌جای جدولی از اعداد، یادداشت کوتاهی برای درخواست متن نمایش می‌دهد.
- فقط فاصله سفید: مانند ورودی خالی در نظر گرفته میشود.
- فقط علائم نگارشی: متنی مانند "--- ..." هیچ واژه‌ای ندارد، بنابراین همان یادداشت نمایش داده میشود.
- بدون خط خالی: کل متن یک بند شمرده میشود، حتی اگر در خطوط بسیاری ادامه داشته باشد.
- زبان‌های بدون فاصله: شمارش واژه به فاصله میان واژهها وابسته است، بنابراین برای زبانهایی مانند چینی، ژاپنی یا تایلندی که واژهها را با فاصله جدا نمیکنند، نتیجه معناداری تولید نمیشود. شمارش نویسه برای هر زبانی کار میکند.
پرسش‌های متداول
آیا تعداد واژهها با Microsoft Word مطابقت دارد؟
معمولاً بله، برای متنهای عادی. هر دو، توکنهای جداشده با فاصله سفید را بهعنوان واژه میشمارند. ممکن است در واژههای دارای خطتیره یا علائم نگارشی غیرمعمول تفاوتهای کوچکی دیده شود، زیرا برنامههای مختلف این موارد را اندکی متفاوت پردازش میکنند.
چرا دو تعداد نویسه وجود دارد؟
پلتفرمهای مختلف به شیوههای متفاوتی شمارش میکنند. بیشتر سرویسهای رسانههای اجتماعی، ازجمله Twitter/X، فاصلهها را در سقف تعداد نویسه حساب میکنند. برخی سامانههای ارسال مقاله و سامانههای پیامرسانی فاصلهها را نادیده میگیرند. نمایش هر دو تعداد، هنگام انتقال متن میان پلتفرمها از غافلگیری جلوگیری میکند.
آیا یک ایموجی یک نویسه محسوب میشود؟
بله. ابزار خوشههای گرافیمی را میشمارد؛ یعنی واحدهایی که خواننده آنها را یک نویسه میبیند. بنابراین ایموجی یک نویسه واحد شمرده میشود، حتی اگر درون رایانه بهصورت بیش از یک واحد کد ذخیره شده باشد.
تعداد جملهها چقدر دقیق است؟
ابزار از قواعد استاندارد یونیکد برای مرزهای جمله استفاده میکند که موارد رایجی مانند اعداد اعشاری («۲٫۵») و کوتاهنوشتها ("U.S."، «Dr.») را بهدرستی پردازش میکنند. هیچ روش خودکاری برای هر جمله ممکن کاملاً بینقص نیست، اما این روش از رایجترین خطاهای جستوجوی ساده برای نقطه و علامت سؤال جلوگیری میکند.
آیا این ابزار برای زبانهایی غیر از انگلیسی هم کار میکند؟
شمارش نویسه برای هر زبانی کار میکند. شمارش واژه برای هر زبانی که واژهها را با فاصله جدا میکند، مانند اسپانیایی، فرانسوی یا آلمانی، کار میکند. برای زبانهایی که میان واژهها از فاصله استفاده نمیکنند، مانند چینی یا ژاپنی، تعداد واژه معناداری تولید نمیشود.
آیا برای مقدار متنی که میتوانم تحلیل کنم محدودیتی وجود دارد؟
محدودیت ثابتی وجود ندارد و پردازش اسناد معمولی مانند مقالهها، پستهای وبلاگی و ایمیلها فوراً انجام میشود. پردازش اسناد بسیار طولانی، مانند یک رمان کامل، کمی بیشتر طول میکشد، زیرا متن کاملاً در مرورگر تحلیل میشود.