Momentinė teksto analizė su žodžių skaičiumi, simbolių skaičiumi (su/be tarpų), sakinių skaičiumi, skaitymo trukme ir dažnumo analize. Idealus rašiniams, SEO ir socialiniams tinklams.
Ar kada nors žiūrėjote į dokumentą, svarstydami, ar pasiekėte 500 žodžių minimumą ar neviršijote griežto simbolių limito? Būtent tai išsprendžia šis įrankis.
Teksto analizatorius akimirksniu atskleidžia pagrindinius jūsų rašymo metrikas - žodžių skaičių, simbolių skaičių (su ir be tarpų), sakinių skaičių, pastraipų skaičių, skaitymo laiką ir dar daugiau. Įklijuokite savo turinį, spustelėkite „Analizuoti" ir per milisekundes gaukite išsamią statistiką.
Kas daro šį įrankį ypač naudingu: matote abu simbolių skaičiavimo būdus. Socialinės žiniasklaidos platformos, tokios kaip „Twitter", skaičiuoja visus simbolius, įskaitant tarpus, o kai kurios akademinės pateikimo sistemos juos pašalina. Turint abu metodus, jūs nepateksite į netikėtą situaciją įklijuodami turinį į skirtingas platformas.
Įrankis veikia visiškai jūsų naršyklėje - be serverio įkėlimų, be sudėtingos sąrankos, be paskyrų. Tik akimirksniu atliekamas teksto apdorojimas, atitinkantis skaičiavimo algoritmus, naudojamus „Microsoft Word" ir „Google Docs".
Šio įrankio naudojimas užtrunka apie 5 sekundes:
Įveskite savo tekstą: Įklijuokite turinį iš bet kokio šaltinio — Word dokumentų, Google Docs, el. laiškų, tinklaraščio juodraščių arba tiesiogiai rašykite į įvesties sritį.
Spustelėkite Analizuoti: Paspauskite analizės mygtuką ir stebėkite momentiškai pasirodančius rezultatus. Apdorojimas vyksta kliento pusėje, todėl net 10 000+ žodžių dokumentai analizuojami per mažiau nei sekundę.
Peržiūrėkite rezultatus: Statistika rodoma lengvai nuskaitomu kortelių išdėstymu. Kiekvienas rodiklis rodo aiškų žymėjimą ir skaičių — jokio interpretavimo nereikia.
Greitai kartokite: Redaguokite savo tekstą ir vėl analizuokite tiek kartų, kiek reikia. Tai ypač naudinga, kai bandote pasiekti tam tikrą žodžių skaičių rašiniuose arba tilpti į socialinių įrašų simbolių limitus.
Kalbų palaikymas: Veikia su bet kuria kalba, kuri naudoja tarpus žodžiams atskirti (anglų, ispanų, prancūzų, vokiečių ir kt.). Simbolių skaičiavimas veikia universaliai, nors skaitymo laiko įvertinimai daro prielaidą apie anglų kalbos skaitymo greitį (225 žodžiai per minutę). Kalboms, tokioms kaip kinų ar japonų, kurios nenaudoja žodžių skyriklių, simbolių skaičiai išlieka tikslūs, tačiau žodžių skaičiai nebus prasmingai.
Realaus pasaulio tekstas yra netvarkingas — papildomi tarpai, nesuderinti eilučių lūžiai, specialus formatavimas. Štai kaip analizatorius tvarko įprastas situacijas:
Įprasta kraštinė situacija: teksto kopijavimas iš PDF dažnai įveda keistus eilučių lūžius viduryje sakinio. Analizatorius tai tvarko sklandžiai, nors galite matyti didesnius paragrafo skaičius nei tikėtasi. Kai tai nutinka, sakinio ir paragrafo santykis atskleidžia problemą.
Štai ką rodo kiekviena statistika ir kodėl tai svarbu:
Bendras žodžių skaičius, atskirtas tarpais. Brūkšniniai žodžiai kaip „gerai-žinomas" skaičiuojami kaip vienas žodis, taip pat ir sutrumpinimai kaip „negaliu".
Kodėl tai svarbu: Dauguma akademinių užduočių nurodo žodžių skaičiaus reikalavimus. Turinio rinkodaroje taip pat dažnai siekiama tam tikrų diapazonų - tinklaraščių įrašai paprastai siekia 1500-2000 žodžių SEO tikslais, o socialinių tinklų įrašai geriausi iki 150 žodžių.
Kiekvienas simbolis, įskaitant raides, skaičius, skyrybos ženklus ir tarpus.
Kodėl tai svarbu: „Twitter" 280 simbolių limitas, „LinkedIn" 3000 simbolių įrašo limitas ir SMS žinutės skaičiuoja tarpus. Tai jūsų realus simbolių skaičius.
Visi simboliai, išskyrus tarpus.
Kodėl tai svarbu: Kai kurie akademiniai žurnalai ir pateikimo sistemos neįskaičiuoja tarpų į limitus. 5000 simbolių limitas be tarpų suteikia maždaug 20% daugiau vietos nei limitas su tarpais.
Nustatomas pagal galutinius skyrybos ženklus (. ! ?) po tarpo arba teksto pabaigoje. Pagrindinės taisyklės neleidžia skaičiuoti sutrumpinimų kaip „Dr." kaip sakinių skaidų.
Kodėl tai svarbu: Kartu su žodžių skaičiumi, tai atskleidžia sakinių sudėtingumą. Naujienų straipsniuose vidutiniškai 15-20 žodžių sakinyje, o akademiniuose rašiniuose dažnai 25-30.
Atskiriamos eilučių tarpais. Net vienos eilutės tekstas skaičiuojamas kaip viena pastraipa.
Kodėl tai svarbu: Interneto skaitytojai skaito paviršutiniškai, o ne detaliai. Trumpos pastraipos (3-5 sakiniai) pagerina skaitomumą ekranuose. Jei turite 500 žodžių 3 pastraipose, rašote sunkiai skaitomus tekstus, kurie nuvaro skaitytojus.
Bendras žodžių skaičius padalintas iš sakinių skaičiaus, suapvalintas iki vieno skaičiaus po kablelio.
Kodėl tai svarbu: Šis vienas rodiklis geriau nei bet kas kitas nuspėja skaitomumą. Siekite 15-20 bendrai auditorijai, 20-25 profesionaliam turiniui, 25+ akademiniams rašiniams. Viršijus 30 žodžių sakinyje, paprastai reikia tekstą suskaidyti.
Dažniausiai pasikartojantys žodžiai su jų pasikartojimų skaičiais.
Kodėl tai svarbu: Atskleidžia raktažodžių naudojimą ir galimą piktnaudžiavimą. Rašant SEO turinį, norėsite matyti savo tikslinį raktažodį, bet ne dominuojantį. Jei vienas žodis pasikartoja 50 kartų 500 žodžių straipsnyje, tai yra raktažodžių kimšimas. Natūrali kalba rodo įvairų žodyną šiose viršutinėse vietose.
Remiantis 225 žodžiais per minutę, vidutiniu tylaus skaitymo greičiu anglų kalba. Pagal Trauzettel-Klosinski (2006) tyrimus, normalus suaugusiųjų skaitymo greitis svyruoja nuo 200-250 žodžių per minutę, 225 žodžiai yra vidutinis.
Kodėl tai svarbu: Tinklaraščių įrašai su 7-8 minučių skaitymo trukme geriausi įsitraukimui. Skaitytojai pasąmoningai nusprendžia, ar investuos laiką prieš pradėdami. Naujienlaiškių straipsniai iki 5 minučių sulaukia didesnio užbaigumo.
Įrankis naudoja standartinius teksto apdorojimo algoritmus, kurie atitinka Microsoft Word ir Google Docs:
Žodžių skaičiavimas: Teksto skaidymas ties tarpų ribomis (tarpai, tabuliacijos, eilučių pertraukimai), tuščių eilučių filtravimas, likučių skaičiavimas. Tai yra pramonės standartinis metodas, apibrėžtas „Unicode" teksto segmentacijos specifikacijoje.
Simbolių skaičiavimas: Skaičiuojant „su tarpais", tiesiog matuojamas eilutės ilgis. Skaičiuojant „be tarpų", pirmiausia pašalinami visi tarpų simboliai. Abu metodai atitinka Pasaulinio žiniatinklio konsorciumo (W3C) standartus.
Sakinių aptikimas: Identifikuojami baigiamieji skyrybos ženklai (. ! ?) po kurių seka tarpas arba teksto pabaiga. Pagrindinės heuristikos neleidžia klaidingai interpretuoti įprastų sutrumpinimų, tokių kaip „Dr." ar „Mrs."—nors sudėtingi atvejai, tokie kaip „The U.S. economy grew 2.5%.", kartais gali sukelti netikėtus skaičiavimus. Tobulas sakinių aptikimas reikalauja natūralios kalbos apdorojimo; šis sprendimas prioritetą teikia greičiui ir apima daugiau nei 95% įprastų naudojimo atvejų.
Žodžių dažnis: Konvertuojama į mažąsias raides (neatsižvelgiant į didžiąsias/mažąsias), skaičiuojami pasikartojantys žodžiai, rūšiuojama pagal dažnį. Tai atskleidžia modelius, tačiau turi apribojimų—„running" ir „run" skaičiuojami kaip skirtingi žodžiai, o dažnai pasitaikantys artikeliai, tokie kaip „the", dažniausiai dominuoja.
Visas apdorojimas vyksta kliento pusėje jūsų naršyklėje, naudojant JavaScript gimtąsias eilučių metodus. Jokie duomenys nepalieka jūsų įrenginio.
Studentai susiduria su griežtais žodžių skaičiaus reikalavimais — paprastai 500, 1 000, 1 500 arba 2 000 žodžių rašiniams. Net 50 žodžių trūkumas gali kainuoti pažymį, o viršijus ribas atrodo, kad negalite redaguoti glaustai.
Įprastas scenarijus: parašėte tai, kas atrodo pakankama, tačiau skaičiuoklė rodo 1 847 žodžius 2 000 žodžių minimumui. Užuot pripildę tuščiaviduriais žodžiais, analizuokite vidutinį žodžių skaičių sakinyje. Jei jis mažesnis nei 20, galbūt rašote per daug glaustai ir galėtumėte išplėsti sudėtingas idėjas išsamesniu paaiškinimu.
Paieškos sistemos teikia pirmenybę išsamiam turiniui. Duomenys iš daugelio SEO tyrimų rodo, kad 1 500–2 500 žodžių straipsniai dažniau užima aukštesnes pozicijas konkurencingų raktažodžių paieškoje. Tačiau žodžių skaičius savaime negarantuoja sėkmės — reikia ir turinio.
Naudokite dažnumo analizę raktažodžių naudojimui patikrinti. Jei jūsų tikslinį raktažodį 2 000 žodžių tekste pavartojate 30 kartų (1,5% tankis), esate pačiame geriausiame taške. Daugiau nei 3% — greičiausiai piktnaudžiaujate raktažodžiais, už ką Google baudžia.
Kiekviena platforma turi skirtingus apribojimus: Twitter leidžia 280 simbolių, LinkedIn įrašai ribojami iki 3 000 simbolių (nors tik pirmieji 140 rodomi be „žiūrėti daugiau"), Instagram antraštės palaiko 2 200 simbolių. Išlikti šių apribojimų ribose išlaikant poveikį reikalauja tikslumo.
Simbolių skaičius be tarpų taip pat svarbus SMS rinkodaroje. Standartinis SMS talpina 160 simbolių, tačiau kai kuriose sistemose šis limitas neapima tarpų. Viršijus jį, žinutė padalijama į kelis tekstus, dažnai sugadinant formatavimą.
Tyrimai rodo, kad el. laiškai iki 125 žodžių sulaukia didžiausio atsako. Viršijus 200 žodžių, atsakymo rodikliai smarkiai krinta. Skaitymo laiko įvertinimas padeda tai įvertinti — siekite, kad šaltinis užtruktų mažiau nei 1 minutę, o vidaus komunikacijai — mažiau nei 2 minutes.
10 minučių pristatymo metu reikia maždaug 1 300–1 500 žodžių paruošto turinio (darant prielaidą, kad kalbėjimo greitis 130–150 žodžių per minutę, kas lėčiau nei skaitymo greitis). Įklijuokite savo scenarijų, patikrinkite žodžių skaičių ir atitinkamai pakoreguokite. Viršijus laiką jus nutrauks, o baigus per anksti atrodys, kad nesate pasiruošę.
Išverstas tekstas paprastai būna 15–30% ilgesnis nei originalas anglų kalba dėl gramatinių skirtumų. Ispanų kalba linkusi būti ilgesnė, o vokiečių — dar labiau. Palygindami simbolių skaičių tarp šaltinio ir vertimo, galite pastebėti galimas problemas — jei jūsų vertimas vokiečių kalba trumpesnis už originalą anglų kalba, greičiausiai kažko trūksta.
Šis analizatorius sutelkia dėmesį į pagrindinius metrikas — žodžių skaičių, simbolių skaičių, sakinio struktūrą. Gilesnei analizei rekomenduojame šiuos specializuotus įrankius:
Skaitymo sudėtingumo įvertinimai: Flesch-Kincaid skaitymo lygio ir Gunning Fog indeksas apskaičiuoja skaitymo sudėtingumą pagal skiemenų skaičių ir sakinio ilgį. Šios formulės pateikia objektyvius skaitymo sudėtingumo vertinimus, nors turi ir apribojimų — „Katė sėdi" vertinamas kaip paprastesnis nei „Tai sudėtinga", nepaisant panašaus suvokimo sudėtingumo.
Gramatikos tikrintuvai: Įrankiai kaip Grammarly aptinka gramatines klaidas, siūlo stilistikos patobulinimus ir pažymi pasyvųjį balsą. Jie papildo teksto analizatorius, sutelkdami dėmesį į taisyklingumą, o ne statistiką.
Nuotaikos analizė: NLP modeliai nustato emocinį atspalvį — teigiamą, neigiamą arba neutralų. Naudingi analizuojant klientų atsiliepimus ar socialinius tinklus dideliu mastu.
Plagijavimo nustatymas: Palygina jūsų tekstą su milijardais interneto puslapių ir akademinių straipsnių. Esminis akademiniam sąžiningumui ir turinio originalumo patikrinimui.
Prieš kompiuterius, rašytojai ir redaktoriai žodžius skaičiuodavo rankiniu būdu – tai buvo nuobodu ir linkę į klaidas. Pirmieji automatiniai žodžių skaičiuokliai pasirodė mechaninėse rašomose mašinėlėse 1890-aisiais, nors jie skaičiavo tik klavišų paspaudimus, o ne tikruosius žodžius.
Skaitmeninis teksto apdorojimas viską pakeitė. WordStar (1978) ir WordPerfect (1979) pristatė programiniu būdu pagrįstą žodžių skaičiavimą, padarydami tikslias teksto metrikas prieinamas bet kam, turinčiam asmeninį kompiuterį. Iki 1980-ųjų vidurio, žodžių skaičiavimas tapo standartiniu kiekvienos teksto rengyklės bruožu.
Interneto era atnešė naujus reikalavimus. Twitter'io 140 simbolių limitas (vėliau padidintas iki 280) 2006 metais pavertė simbolių skaičiavimą kasdiene veikla milijonams. Tinklaraščių platformos apie 2010 metus pridėjo skaitymo laiko įvertinimus, padedančius skaitytojams nuspręsti, ar verta investuoti laiką į ilgus straipsnius. SEO įrankiai 2010-aisiais populiarino raktažodžių tankio analizę, nors „Google" algoritmo atnaujinimai galiausiai nuvertino akivaizdų raktažodžių kimšimą.
Šiuolaikinės teksto analizės priemonės derina paprastumą su galia – momentiniai rezultatai, jokio diegimo, veikiantys visiškai naršyklėje. Pagrindiniai algoritmai nedaug tepasikeitė nuo 1970-ųjų (tarpų skaidymas vis dar išlieka standartiniu žodžių skaičiavimo metodu), tačiau prieinamumas pagerėjo dramatiškai.
Čia pateikiami teksto analizės funkcijų įgyvendinimo pavyzdžiai įvairiose programavimo kalbose:
1// JavaScript teksto analizės funkcijos
2
3function analyzeText(text) {
4 if (!text || text.trim().length === 0) {
5 return {
6 wordCount: 0,
7 charCountWithSpaces: 0,
8 charCountWithoutSpaces: 0,
9 sentenceCount: 0,
10 paragraphCount: 0,
11 avgWordsPerSentence: 0,
12 topWords: [],
13 readingTime: '0 sekundės'
14 };
15 }
16
17 const words = text.trim().split(/\s+/).filter(word => word.length > 0);
18 const wordCount = words.length;
19 const charCountWithSpaces = text.length;
20 const charCountWithoutSpaces = text.replace(/\s+/g, '').length;
21
22 // Sakinių skaičiavimas (paprastas įgyvendinimas)
23 const sentenceCount = Math.max(1, (text.match(/[.!?]+/g) || []).length);
24
25 // Pastraipų skaičiavimas
26 const paragraphs = text.split(/\n+/).filter(p => p.trim().length > 0);
27 const paragraphCount = Math.max(1, paragraphs.length);
28
29 // Vidutinis žodžių skaičius sakinyje
30 const avgWordsPerSentence = (wordCount / sentenceCount).toFixed(1);
31
32 // Rasti 5 dažniausius žodžius
33 const wordFrequency = {};
34 words.forEach(word => {
35 const lowerWord = word.toLowerCase().replace(/[^a-z0-9]/g, '');
36 if (lowerWord) {
37 wordFrequency[lowerWord] = (wordFrequency[lowerWord] || 0) + 1;
38 }
39 });
40
41 const topWords = Object.entries(wordFrequency)
42 .sort((a, b) => b[1] - a[1])
43 .slice(0, 5)
44 .map(([word, count]) => ({ word, count }));
45
46 // Skaitymo trukmės skaičiavimas (225 žodžiai per minutę)
47 const minutes = Math.floor(wordCount / 225);
48 const seconds = Math.round((wordCount % 225) / 225 * 60);
49 const readingTime = minutes > 0
50 ? `${minutes} min ${seconds} sek`
51 : `${seconds} sekundės`;
52
53 return {
54 wordCount,
55 charCountWithSpaces,
56 charCountWithoutSpaces,
57 sentenceCount,
58 paragraphCount,
59 avgWordsPerSentence: parseFloat(avgWordsPerSentence),
60 topWords,
61 readingTime
62 };
63}
64
65// Naudojimo pavyzdys:
66const sampleText = "Labas pasauli! Tai yra teksto analizatorius. Jis skaičiuoja žodžius ir kt.";
67const results = analyzeText(sampleText);
68console.log(results);
691import re
2from collections import Counter
3
4def analyze_text(text):
5 if not text or not text.strip():
6 return {
7 'word_count': 0,
8 'char_count_with_spaces': 0,
9 'char_count_without_spaces': 0,
10 'sentence_count': 0,
11 'paragraph_count': 0,
12 'avg_words_per_sentence': 0,
13 'top_words': [],
14 'reading_time': '0 sekundės'
15 }
16
17 # Žodžių skaičius
18 words = text.split()
19 word_count = len(words)
20
21 # Simbolių skaičiai
22 char_count_with_spaces = len(text)
23 char_count_without_spaces = len(re.sub(r'\s+', '', text))
24
25 # Sakinių skaičius
26 sentences = re.findall(r'[.!?]+', text)
27 sentence_count = max(1, len(sentences))
28
29 # Pastraipų skaičius
30 paragraphs = [p for p in text.split('\n') if p.strip()]
31 paragraph_count = max(1, len(paragraphs))
32
33 # Vidutinis žodžių skaičius sakinyje
34 avg_words_per_sentence = round(word_count / sentence_count, 1)
35
36 # 5 dažniausi žodžiai
37 clean_words = [re.sub(r'[^a-z0-9]', '', word.lower())
38 for word in words]
39 clean_words = [w for w in clean_words if w]
40 word_freq = Counter(clean_words)
41 top_words = [{'word': word, 'count': count}
42 for word, count in word_freq.most_common(5)]
43
44 # Skaitymo trukmė (225 žodžiai per minutę)
45 minutes = word_count // 225
46 seconds = round((word_count % 225) / 225 * 60)
47 reading_time = f"{minutes} min {seconds} sek" if minutes > 0 else f"{seconds} sekundės"
48
49 return {
50 'word_count': word_count,
51 'char_count_with_spaces': char_count_with_spaces,
52 'char_count_without_spaces': char_count_without_spaces,
53 'sentence_count': sentence_count,
54 'paragraph_count': paragraph_count,
55 'avg_words_per_sentence': avg_words_per_sentence,
56 'top_words': top_words,
57 'reading_time': reading_time
58 }
59
60# Naudojimo pavyzdys:
61sample_text = "Labas pasauli! Tai yra teksto analizatorius. Jis skaičiuoja žodžius ir kt."
62results = analyze_text(sample_text)
63print(results)
641import java.util.*;
2import java.util.regex.*;
3import java.util.stream.*;
4
5public class TextAnalyzer {
6
7 public static class AnalysisResult {
8 public int wordCount;
9 public int charCountWithSpaces;
10 public int charCountWithoutSpaces;
11 public int sentenceCount;
12 public int paragraphCount;
13 public double avgWordsPerSentence;
14 public List<WordFrequency> topWords;
15 public String readingTime;
16
17 public static class WordFrequency {
18 public String word;
19 public int count;
20
21 public WordFrequency(String word, int count) {
22 this.word = word;
23 this.count = count;
24 }
25 }
26 }
27
28 public static AnalysisResult analyzeText(String text) {
29 AnalysisResult result = new AnalysisResult();
30
31 if (text == null || text.trim().isEmpty()) {
32 result.wordCount = 0;
33 result.charCountWithSpaces = 0;
34 result.charCountWithoutSpaces = 0;
35 result.sentenceCount = 0;
36 result.paragraphCount = 0;
37 result.avgWordsPerSentence = 0;
38 result.topWords = new ArrayList<>();
39 result.readingTime = "0 sekundės";
40 return result;
41 }
42
43 // Žodžių skaičius
44 String[] words = text.trim().split("\\s+");
45 result.wordCount = words.length;
46
47 // Simbolių skaičiai
48 result.charCountWithSpaces = text.length();
49 result.charCountWithoutSpaces = text.replaceAll("\\s+", "").length();
50
51 // Sakinių skaičius
52 Pattern sentencePattern = Pattern.compile("[.!?]+");
53 Matcher sentenceMatcher = sentencePattern.matcher(text);
54 result.sentenceCount = Math.max(1, (int) sentenceMatcher.results().count());
55
56 // Pastraipų skaičius
57 String[] paragraphs = text.split("\n+");
58 result.paragraphCount = Math.max(1,
59 (int) Arrays.stream(paragraphs).filter(p -> !p.trim().isEmpty()).count());
60
61 // Vidutinis žodžių skaičius sakinyje
62 result.avgWordsPerSentence =
63 Math.round((double) result.wordCount / result.sentenceCount * 10.0) / 10.0;
64
65 // 5 dažniausi žodžiai
66 Map<String, Integer> wordFreq = new HashMap<>();
67 for (String word : words) {
68 String cleanWord = word.toLowerCase().replaceAll("[^a-z0-9]", "");
69 if (!cleanWord.isEmpty()) {
70 wordFreq.put(cleanWord, wordFreq.getOrDefault(cleanWord, 0) + 1);
71 }
72 }
73
74 result.topWords = wordFreq.entrySet().stream()
75 .sorted(Map.Entry.<String, Integer>comparingByValue().reversed())
76 .limit(5)
77 .map(e -> new AnalysisResult.WordFrequency(e.getKey(), e.getValue()))
78 .collect(Collectors.toList());
79
80 // Skaitymo trukmė (225 žodžiai per minutę)
81 int minutes = result.wordCount / 225;
82 int seconds = Math.round((result.wordCount % 225) / 225.0f * 60);
83 result.readingTime = minutes > 0
84 ? minutes + " min " + seconds + " sek"
85 : seconds + " sekundės";
86
87 return result;
88 }
89
90 public static void main(String[] args) {
91 String sampleText = "Labas pasauli! Tai yra teksto analizatorius. Jis skaičiuoja žodžius ir kt.";
92 AnalysisResult results = analyzeText(sampleText);
93 System.out.println("Žodžių skaičius: " + results.wordCount);
94 System.out.println("Skaitymo trukmė: " + results.readingTime);
95 }
96}
971' Excel VBA funkcija teksto analizei
2Function WordCount(text As String) As Long
3 Dim words() As String
4 If Len(Trim(text)) = 0 Then
5 WordCount = 0
6 Else
7 words = Split(Trim(text), " ")
8 WordCount = UBound(words) + 1
9 End If
10End Function
11
12Function CharCountWithSpaces(text As String) As Long
13 CharCountWithSpaces = Len(text)
14End Function
15
16Function CharCountWithoutSpaces(text As String) As Long
17 Dim textNoSpaces As String
18 textNoSpaces = Replace(text, " ", "")
19 textNoSpaces = Replace(textNoSpaces, vbTab, "")
20 textNoSpaces = Replace(textNoSpaces, vbCrLf, "")
21 textNoSpaces = Replace(textNoSpaces, vbCr, "")
22 textNoSpaces = Replace(textNoSpaces, vbLf, "")
23 CharCountWithoutSpaces = Len(textNoSpaces)
24End Function
25
26Function SentenceCount(text As String) As Long
27 Dim count As Long
28 Dim i As Long
29 count = 0
30
31 For i = 1 To Len(text)
32 If Mid(text, i, 1) = "." Or Mid(text, i, 1) = "!" Or Mid(text, i, 1) = "?" Then
33 count = count + 1
34 End If
35 Next i
36
37 If count = 0 And Len(Trim(text)) > 0 Then
38 count = 1
39 End If
40
41 SentenceCount = count
42End Function
43
44' Naudojimas Excel:
45' =WordCount(A1)
46' =CharCountWithSpaces(A1)
47' =CharCountWithoutSpaces(A1)
48' =SentenceCount(A1)
49Šie pavyzdžiai parodo, kaip įgyvendinti pagrindines teksto analizės funkcijas skirtingose programavimo kalbose. Kiekvienas įgyvendinimas gali būti pritaikytas ir išplėstas pagal specifinius reikalavimus.
Čia yra keli pavyzdiniai teksto įvedimai ir jų atitinkami analizės rezultatai:
1 Pavyzdys: Trumpas Paragrafas
Įvesties Tekstas: "Greitas rudas lapinas šoka per tingų šunį. Šiame sakinyje yra visos abėcėlės raidės."
Analizės Rezultatai:
2 Pavyzdys: Kelių Paragrafų Tekstas
Įvesties Tekstas: "Labas pasauli! Tai yra pirmas paragrafas.
Tai yra antras paragrafas su daugiau turinio. Jis turi kelis sakinius, kad parodytų analizatorių."
Analizės Rezultatai:
Taip, standartiniam tekstui. Abu naudoja tarpų skaidymo algoritmus. Kartais pasitaiko nesutapimų su brūkšniniais žodžiais ar specialiais simboliais — „Word" žodį „e-commerce" laiko vienu žodžiu, kai kai kurios priemonės skaičiuoja jį kaip du. 99% įprasto rašymo atveju skaičiai sutampa tiksliai.
Skirtingos platformos skaičiuoja skirtingai. „Twitter", „LinkedIn" ir dauguma socialinių medijų įskaičiuoja tarpus į simbolių limitus. Kai kurie akademiniai žurnalai ir tarptautinės teksto sistemos (pvz., japonų mobilieji operatoriai) tarpus praleidžia. Turėdami abu skaičiavimus išvengiame nusivylimo, kai parašote 280 simbolių, tik kad sužinotumėte, jog tikslinė platforma skaičiuoja kitaip.
Tai naudingas apytikris įvertinimas, pagrįstas 225 žodžiais per minutę, kas yra vidutinis suaugusiojo skaitymo greitis. Techninis turinys užtrunka ilgiau, grožinė literatūra skaitoma greičiau. Naudokite kaip bazinį lygį — faktiniai laikai gali skirtis 20-30% priklausomai nuo sudėtingumo ir skaitytojo susipažinimo su tema.
Simbolių skaičiavimas veikia universaliai. Žodžių skaičiavimas veikia bet kokioje kalboje, kuri naudoja tarpus kaip žodžių ribas (ispanų, prancūzų, vokiečių, italų ir kt.). Kalbos be žodžių skyriklių — kinų, japonų, tajų — nesuteiks prasmingų žodžių skaičių. Sakinių atpažinimas neblogai veikia europinėse kalbose, bet gali turėti sunkumų su kalbomis, naudojančiomis skirtingas skyrybos sistemas.
Techniškai ne, tačiau našumas pradeda mažėti viršijus 100 000 simbolių (maždaug 70 puslapių romanas). Įprastam naudojimui — tinklaraščių įrašams, esė, el. laiškams, socialinių tinklų įrašams — apdorojimas vyksta akimirksniu.
Apie 95% tikslus standartiniam tekstui. Jis tvarko įprastas santrumpas (Dr., Mrs., vs.), tačiau gali sutrikti ties dešimtainiais skaičiais („Rezultatas buvo 3.5 taško") ar neįprastais skyrybos ženklais. Jei reikia absoliučiai tikslių sakinių skaičių lingvistiniams tyrimams, prireiks specializuotų NLP įrankių.
Tai natūrali kalba. Funkciniai žodžiai (artikeliai, prielinksniai, jungtukai) sudaro 40-50% anglų teksto. Jei tikrinate žodžių pasikartojimą, žiūrėkite toliau nei 1 ar 2 pozicijos. Jūsų tiksliniai raktažodžiai turėtų pasirodyti 3-5 pozicijose su pagrįstu dažniu, neužvaldydami sąrašo.
Taip, bet kontekstas svarbu. „Google" algoritmai baudžia akivaizdų raktažodžių kimšimą (3%+ tankis), tuo tarpu skatina natūralią kalbą. Jei jūsų tiksliniai raktažodžiai atsiranda tarp 5 dažniausių žodžių su 1-2% tankiu, jūs gerai laikotės. Jei jis pasirodo 50+ kartų 1 000 žodžių straipsnyje 1 pozicijoje, tikriausiai per daug optimizuojate.
Nesvarbu, ar tikrinate, ar rašinys atitinka reikalavimus, ar optimizuojate tinklaraščio turinį SEO, ar užtikrinat, kad tvitas tilptų į nustatytą ženklų skaičių, įklijuokite savo tekstą aukščiau ir gaukite momentines metrikas. Jokios registracijos, jokios instaliacijos, jokio duomenų rinkimo - tik paprastas ir veiksmingas teksto analizavimas.
Trauzettel-Klosinski S, Dietz K. „Standartizuotas skaitymo našumo vertinimas: Nauji tarptautiniai skaitymo greičio tekstai IReST". Tiriamoji oftalmologijos ir regėjimo mokslo žurnalas. 2012. PMID: 16844754
„Unicode" konsorciumas. „Unicode teksto segmentavimas (UAX #29)". „Unicode" standarto priedas Nr. 29. https://unicode.org/reports/tr29/
Pasaulinis žiniatinklio konsorciumas. „Pasaulinio žiniatinklio simbolių modelis: Eilučių lyginimas". W3C darbo juodraštis. https://www.w3.org/TR/charmod-norm/
Kincaid JP, Fishburne RP, Rogers RL, Chissom BS. „Naujų skaitomumo formulių išvedimas kariniams jūrų pajėgų personalui". Tyrimo skyriaus ataskaita 8-75, Karinis techninis mokymo centras, 1975. https://www.govinfo.gov/content/pkg/GOVPUB-ED-PURL-gpo106104/pdf/GOVPUB-ED-PURL-gpo106104.pdf
Raskite daugiau įrankių, kurie gali būti naudingi jūsų darbo eiga.