Analyzátor textu - Bezplatný nástroj na počítanie slov a znakov

Textový analyzátor je nástroj na analýzu textu. Tento textový analyzátor počíta slová, znaky, vety a odseky, odhaduje čas čítania a uvádza najčastejšie použité slová v úryvku.

Ako používať textový analyzátor

1. Vložte alebo napíšte text do vstupného poľa. Funguje text z Wordu, Dokumentov Google, e-mailov aj webových stránok.
2. Vyberte Analyzovať. Nástroj funguje výlučne v prehliadači, takže sa žiadny text neposiela na server.
3. Prečítajte si výsledky. Každá štatistika sa zobrazí ako číselná hodnota s označením.
4. Upravte text a analyzujte ho znova podľa potreby, napríklad pri skracovaní eseje na stanovený počet slov.

Ako sa vypočítava počet slov

Nástroj rozdelí text podľa bielych znakov (medzier, tabulátorov a zalomení riadkov) na samostatné tokeny. Token sa počíta ako slovo iba vtedy, ak obsahuje aspoň jedno písmeno alebo číslo, takže samostatné interpunkčné znamienko ani reťaz pomlčiek sa nezapočíta. Táto kontrola funguje v každom písme vrátane latinky, cyriliky, gréckeho a arabského písma aj znakov CJK, nielen v anglickej abecede.

Slovo so spojovníkom, napríklad "well-known", a skrátený tvar, napríklad "don't", sa počítajú ako jedno slovo, pretože ani jedno neobsahuje medzeru.

Ako sa vypočítava počet znakov

Nástroj uvádza dva počty znakov:

• Znaky (s medzerami): každý znak v texte vrátane medzier a interpunkcie.
• Znaky (bez medzier): rovnaký počet po odstránení všetkých bielych znakov.

Oba spôsoby počítania vyhodnocujú grafémové zhluky, teda jednotky, ktoré čitateľ vníma ako jeden znak, a nie surové kódové jednotky počítača. Je to dôležité pri emoji a iných symboloch, ktoré počítač ukladá ako viac než jednu kódovú jednotku. Napríklad text "Hi 👍🏽 there" má podľa tejto metódy 10 znakov, hoci rovnaký reťazec má 13 nespracovaných kódových jednotiek, pretože emoji palca nahor s označením odtieňa pokožky je jeden viditeľný znak, ale pozostáva z viacerých kódových jednotiek. Malé počítadlo pod vstupným poľom používa rovnakú metódu, takže sa vždy zhoduje s výsledkom "Characters (with spaces)".

Ako sa vypočítava počet viet

Vety sa zisťujú pomocou štandardných pravidiel Unicode pre hranice viet (segmentácia textu Unicode, UAX #29), nie jednoduchým vyhľadaním bodky, otázniku alebo výkričníka. Nástroj preto nerozdelí vetu pri desatinnej bodke ani za bežnou skratkou. Veta "The U.S. economy grew 2.5%." sa počíta ako jedna veta, nie ako tri, pretože pravidlá rozpoznajú "U.S." ako skratku a „2,5“ ako desatinné číslo.

Ako sa vypočítava počet odsekov

Odsek je blok textu oddelený od nasledujúceho bloku aspoň jedným prázdnym riadkom. Jedno zalomenie riadka vnútri bloku nezačína nový odsek, takže text s pevným zalomením riadkov bez prázdnych riadkov medzi nimi sa stále počíta ako jeden odsek.

Vzorec pre priemerný počet slov na vetu

priemerný počet slov na vetu = počet slov ÷ počet viet

Výsledok sa zobrazuje zaokrúhlený na jedno desatinné miesto. Toto číslo je približným ukazovateľom čitateľnosti textu: kratšie priemerné vety sa vo všeobecnosti čítajú ľahšie než dlhšie.

Vzorec pre čas čítania

čas čítania (minúty) = počet slov ÷ 225

Nástroj predpokladá rýchlosť čítania 225 slov za minútu, čo je často uvádzanou hodnotou priemernej rýchlosti tichého čítania dospelých, a výsledok zaokrúhľuje na jedno desatinné miesto. Úryvok s 450 slovami napríklad poskytne čas čítania presne 2,0 minúty.

Ako sa zisťujú najčastejšie slová

Nástroj prevedie každé slovo na malé písmená a odstráni interpunkciu z jeho začiatku a konca, takže „Dog,“ a „dog“ sa počítajú ako rovnaké slovo. Interpunkcia vo vnútri slova zostáva zachovaná, takže "don't" a "well-known" sa v zozname zobrazia tak, ako boli napísané. Zakrivený apostrof sa považuje za obyčajný apostrof, takže "don’t" a "don't" sú rovnaké slovo. Nástroj potom spočíta, koľkokrát sa každé jedinečné slovo objaví, a uvedie päť najčastejších slov od najvyššieho po najnižší počet výskytov. Ak majú dve slová rovnaký počet výskytov, na prvom mieste sa uvedie to, ktoré sa v texte objavilo skôr.

Vyriešený príklad

Príklad 1

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

Kontrola počtu slov: 17 tokenov oddelených bielymi znakmi obsahuje písmeno, takže počet slov je 17. Kontrola počtu viet: 17 ÷ 2 = 8,5, čo zodpovedá zobrazenému priemeru.

Príklad 2

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

Prázdny riadok medzi dvoma riadkami textu označuje koniec odseku, takže počet odsekov je 2. Pravidlá Unicode pre vety rozdelia text na štyri vety: "Hello world!", "This is the first paragraph.", "This is the second paragraph with more content." a "It has multiple sentences to demonstrate the analyzer.". To dáva 23 ÷ 4 = 5,75, čo sa zaokrúhli na 5,8.

Hraničné prípady

• Prázdny vstup: nástroj namiesto tabuľky čísel zobrazí krátku poznámku so žiadosťou o zadanie textu.
• Iba biele znaky: spracujú sa rovnako ako prázdny vstup.
• Iba interpunkcia: text ako „--- ...“ neobsahuje žiadne slová, takže sa zobrazí rovnaká poznámka.
• Žiadne prázdne riadky: celý text sa počíta ako jeden odsek, aj keď zaberá veľa riadkov.
• Jazyky bez medzier: počítanie slov závisí od medzier medzi slovami, takže neposkytuje zmysluplný výsledok pre jazyky, ako sú čínština, japončina alebo thajčina, ktoré slová neoddeľujú medzerami. Počítanie znakov však funguje pre akýkoľvek jazyk.

Najčastejšie otázky

Zhoduje sa počet slov s programom Microsoft Word?

Zvyčajne áno, pri bežnom texte. Oba programy počítajú tokeny oddelené bielymi znakmi ako slová. Pri slovách so spojovníkom alebo nezvyčajnej interpunkcii sa môžu objaviť malé rozdiely, pretože jednotlivé programy tieto prípady spracúvajú trochu odlišne.

Prečo sa uvádzajú dva počty znakov?

Rôzne platformy počítajú znaky odlišne. Väčšina sociálnych sietí vrátane Twitteru/X započítava medzery do limitu znakov. Niektoré systémy na odovzdávanie akademických prác a niektoré komunikačné systémy medzery vylučujú. Zobrazenie oboch počtov predchádza nečakaným rozdielom pri prenášaní textu medzi platformami.

Počíta sa emoji ako jeden znak?

Áno. Nástroj počíta grafémové zhluky, teda jednotky, ktoré čitateľ vníma ako jeden znak, takže emoji sa počíta ako jeden znak, hoci môže byť interne uložené ako viac než jedna kódová jednotka.

Aký presný je počet viet?

Nástroj používa štandardné pravidlá Unicode pre hranice viet, ktoré správne spracúvajú bežné prípady, ako sú desatinné čísla („2,5“) a skratky ("U.S.", „Dr.“). Žiadna automatická metóda nie je dokonalá pre každú možnú vetu; tento prístup však zabraňuje najčastejším chybám jednoduchého vyhľadávania bodiek a otáznikov.

Funguje to aj pre iné jazyky než angličtinu?

Počítanie znakov funguje pre akýkoľvek jazyk. Počítanie slov funguje pre každý jazyk, ktorý oddeľuje slová medzerami, napríklad španielčinu, francúzštinu alebo nemčinu. Neposkytuje zmysluplný počet slov pre jazyky, ktoré nepoužívajú medzery medzi slovami, napríklad čínštinu alebo japončinu.

Existuje limit množstva textu, ktoré môžem analyzovať?

Neexistuje pevný limit a spracovanie bežných dokumentov, ako sú eseje, blogové príspevky a e-maily, prebehne okamžite. Veľmi dlhé dokumenty, napríklad celý román, sa spracúvajú o niečo dlhšie, pretože text sa analyzuje celý v prehliadači.