Тренутна анализа текста са бројањем речи, карактера (са/без размака), бројем реченица, временом читања и анализом учесталости. Савршено за есеје, СЕО и друштвене медије.
Икада сте гледали у документ питајући се јесте ли достигли минимум од 500 речи или остали испод чврстог ограничења карактера? Управо то овај алат решава.
Анализатор текста тренутно открива кључне метрике вашег писања—број речи, број карактера (са и без размака), број реченица, број параграфа, време читања и још много тога. Налепите свој садржај, кликните на „Анализирај" и добијте свеобухватне статистике за милисекунде.
Оно што га чини посебно корисним: видите оба типа бројања карактера. Друштвене платформе попут Твитера рачунају све карактере укључујући размаке, док неки академски системи предаје искључују. Поседовање оба метрика значи да нећете бити изненађени приликом лепљења садржаја на различите платформе.
Алат ради потпуно у вашем прегледачу—без отпремања на сервер, без компликованог подешавања, без потребе за налозима. Само тренутно парсирање текста које одговара алгоритмима бројања у Microsoft Word-у и Google Docs-у.
Korišćenje ovog alata traje oko 5 sekundi:
Unesite tekst: Nalepite sadržaj iz bilo kog izvora—Word dokumenata, Google Dokumenata, mejlova, draft blogova ili direktno ukucajte u polje za unos.
Kliknite Analiziraj: Pritisnite dugme za analizu i posmatrajte rezultate koji se pojavljuju trenutno. Obrada se vrši na strani klijenta, tako da dokumenti od 10.000+ reči analiziraju za manje od sekunde.
Pregledajte rezultate: Statistike se prikazuju u rasporedu koji se lako skenira. Svaka metrika prikazuje jasan natpis i broj—bez potrebe za tumačenjem.
Brzo iterišite: Uredite tekst i ponovo analizirajte onoliko puta koliko je potrebno. Ovo je posebno korisno kada pokušavate da dostignete određeni broj reči za eseje ili ostanete u granicama karaktera za objave na društvenim mrežama.
Podrška jezika: Radi sa bilo kojim jezikom koji koristi razmake za razdvajanje reči (engleski, španski, francuski, nemački, itd.). Brojanje karaktera radi univerzalno, mada procene vremena čitanja pretpostavljaju brzinu čitanja na engleskom (225 reči u minutu). Za jezike poput kineskog ili japanskog koji ne koriste razdvajače reči, brojanje karaktera ostaje tačno, ali brojanje reči neće biti smisleno.
Tekst iz stvarnog sveta je nepravilан—suvišni razmaci, nekonzistentni prelomi linija, specijalno formatiranje. Evo kako analizator rukuje uobičajenim scenarijima:
Čest granični slučaj: kopiranje teksta iz PDF-ova često uvodi čudne prelome linija usred rečenice. Analizator ovo elegantno rešava, mada možete videti veći broj paragrafa nego što se očekuje. Kada se ovo dogodi, odnos rečenica-prema-paragrafu otkriva problem.
Ево шта свака статистика говори и зашто је важна:
Укупан број речи одвојен размацима. Речи са цртицом попут „добро-познат" рачунају се као једна реч, као и контракције попут „не".
Зашто је ово важно: Већина академских задатака прописује захтеве за бројем речи. Маркетинг садржаја такође често циља на одређене опсеге — блог чланци типично теже ка 1.500-2.000 речи за СЕО, док социјалне медијске caption-е најбоље функционишу испод 150 речи.
Сваки карактер укључујући слова, бројеве, интерпункцију и размаке.
Зашто је ово важно: Твитеров лимит од 280 карактера, LinkedIn-ов лимит од 3.000 карактера за објаве и СМС поруке сви рачунају размаке. Ово је ваш „стварни" број карактера.
Сви карактери искључујући било какав празан простор.
Зашто је ово важно: Неки академски часописи и системи за предају искључују размаке из лимита. Лимит од 5.000 карактера без размака даје вам отприлике 20% више простора него онај који укључује размаке.
Откривено терминалном интерпункцијом (. ! ?) праћеном размаком или крајем текста. Основне хеуристике спречавају бројање скраћеница попут „Др." као прекида реченица.
Зашто је ово важно: У комбинацији са бројем речи, открива комплексност реченица. Новински чланци у просеку имају 15-20 речи по реченици, док академско писање често иде 25-30.
Одвојени прекидима линија. Чак и једноредни текст рачуна се као један параграф.
Зашто је ово важно: Онлајн читаоци скенирају уместо да читају. Кратки параграфи (3-5 реченица) побољшавају читљивост на екранима. Ако имате 500 речи у 3 параграфа, пишете зидове текста који одбијају читаоце.
Укупан број речи подељен бројем реченица, заокружен на једну децималу.
Зашто је ово важно: Ова јединствена метрика боље предвиђа читљивост него скоро било шта друго. Циљајте 15-20 за опште публике, 20-25 за професионални садржај, 25+ за академско писање. Прелазак преко 30 речи по реченици обично значи да треба да поделите ствари.
Речи које се појављују најчешће, са бројем појављивања.
Зашто је ово важно: Открива употребу кључних речи и потенцијално прекомерну употребу. Приликом писања СЕО садржаја, желећете да ваша циљна кључна реч буде овде, али да не доминира. Ако се једна реч појави 50 пута у чланку од 500 речи, „гурате" кључне речи. Природан језик показује разноврстан речник на овим врховима.
На основу 225 речи у минути, просечне брзине тихог читања за енглески. Према истраживању Trauzettel-Klosinski (2006), нормалне брзине читања одраслих крећу се од 200-250 речи по минути, са 225 као медијаном.
Зашто је ово важно: Блог чланци са 7-8 минута читања најбоље функционишу за ангажовање. Читаоци подсвесно одлучују хоће ли уложити време пре почетка. Чланци билтена испод 5 минута имају веће стопе завршетка.
Alat koristi standardne algoritme za obradu teksta koji odgovaraju Microsoft Word i Google Docs:
Brojanje reči: Podela teksta na granicama belina (razmaci, tabulatori, prelomi redova), filtriranje praznih stringova, brojanje preostalih. Ovo je industrijski standardni pristup definisan Unicode specifikacijom segmentacije teksta.
Brojanje znakova: Za brojanje "sa razmakom" jednostavno se meri dužina stringa. Za "bez razmaka", prvo se uklanjaju svi znakovi belina. Obe metode su u skladu sa standardima Konzorcijuma za svetsku mrežu (W3C).
Prepoznavanje rečenica: Identifikovanje završne interpunkcije (. ! ?) praćene belinom ili krajem teksta. Osnovne heurističke metode sprečavaju lažno pozitivne rezultate kod uobičajenih skraćenica poput "Dr." ili "Mrs."—mada složeni slučajevi poput "The U.S. economy grew 2.5%." mogu povremeno dovesti do neočekivanih brojanja. Savršeno prepoznavanje rečenica zahteva obradu prirodnog jezika; ova implementacija prioritetno postavlja brzinu i pokriva više od 95% tipičnih slučajeva upotrebe.
Učestalost reči: Pretvaranje u mala slova (podudaranje bez razlikovanja velikih i malih slova), brojanje ponavljanja, sortiranje prema učestalosti. Ovo otkriva obrasce ali ima ograničenja—"running" i "run" se broje kao različite reči, a česti članci poput "the" često dominiraju.
Sva obrada se odvija na klijentskoj strani u vašem pregledaču koristeći prirodne JavaScript metode za stringove. Nikakvi podaci ne napuštaju vaš uređaj.
Студенти се суочавају са строгим захтевима за бројем речи - типично 500, 1.000, 1.500 или 2.000 речи за есеје. Недостатак чак и 50 речи може вам коштати бодова, док прекорачење граница сугерише да не можете да уредите концизно.
Чест сценарио: написали сте оно што делује довољно, али бројач показује 1.847 речи за минимум од 2.000 речи. Уместо да попуњавате садржај, анализирајте просечан број речи по реченици. Ако је испод 20, можда превише штуро пишете и можете проширити сложене идеје са нијансиранијим објашњењима.
Претраживачи фаворизују свеобухватан садржај. Подаци из бројних СЕО студија показују да чланци од 1.500-2.500 речи теже да боље рангирају за конкурентне кључне речи. Али број речи сам по себи не гарантује успех - потребан вам је и садржај.
Користите анализу учесталости за проверу употребе кључних речи. Ако се ваша циљна кључна реч појављује 30 пута у 2.000 речи (1,5% густине), налазите се у идеалном опсегу. Преко 3% и вероватно вршите препуњавање кључним речима, што Google кажњава.
Свака платформа има различита ограничења: Twitter дозвољава 280 карактера, LinkedIn објаве се завршавају на 3.000 карактера (иако се само првих 140 приказује без "види више"), Instagram натписи подржавају 2.200 карактера. Остајање унутар ових ограничења уз очување утицаја захтева прецизност.
Број карактера без размака је важан и за СМС маркетинг. Стандардни СМС садржи 160 карактера, али то ограничење у неким системима искључује размаке. Прекорачење дели вашу поруку на више текстова, често са нарушеним форматирањем.
Истраживања показују да имејлови испод 125 речи добијају највише одговора. Преко 200 речи и стопа одговора нагло опада. Процена времена читања помаже у томе - циљајте на мање од 1 минута за спољне контакте, мање од 2 минута за интерну комуникацију.
Термин од 10 минута захтева отприлике 1.300-1.500 речи писаног садржаја (претпостављајући 130-150 речи по минуту говорне стопе, што је спорије од стопе читања). Налепите свој скрипт, проверите број речи и прилагодите accordingly. Прекорачење времена вас зауставља; завршетак пре времена вас чини неспремним.
Преведени текст типично је 15-30% дужи од енглеских оригинала због граматичких разлика. Шпански тежи дужој страни, немачки још више. Поређењем броја карактера између изворног и преведеног текста можете уочити потенцијалне проблеме - ако је ваш немачки превод краћи од енглеског, вероватно нешто недостаје.
Овај анализатор се фокусира на основне метрике—број речи, број карактера, структуру реченица. За дубљу анализу, размотрите ове специјализоване алате:
Оцене читљивости: Флеш-Кинкад индекс нивоа оцене и Гунингов Фог индекс израчунавају тежину читања на основу броја слогова и дужине реченице. Ове формуле пружају објективне оцене читљивости, иако имају ограничења—„Мачка седи" се оцењује као једноставније него „Компликовано је" упркос сличној тежини разумевања.
Граматички проверивачи: Алати попут Граматике откривају граматичке грешке, предлажу побољшања стила и означавају пасивни глас. Они допуњују анализаторе текста тако што се фокусирају на исправност уместо на статистике.
Анализа сентимента: НЛП модели одређују емоционални тон—позитиван, негативан или неутралан. Корисни за анализу повратних информација купаца или помињања на друштвеним мрежама у великој размери.
Детекција плагијата: Упоређује ваш текст са милијардама веб страница и академских радова. Суштински за академски интегритет и верификацију оригиналности садржаја.
Пре рачунара, писци и уредници су бројали речи ручно - досадно и подложно грешкама. Први аутоматски бројачи речи појавили су се на механичким писаћим машинама током 1890-их, иако су они бројали само откуцаје, а не стварне речи.
Дигитална обрада текста променила је све. WordStar (1978) и WordPerfect (1979) увели су софтверско бројање речи, чинећи тачне текстуалне метрике доступним свакоме ко има PC. До средине 1980-их, бројање речи постало је стандардна функција у сваком процесору текста.
Интернет ера донела је нове захтеве. Твитеров лимит од 140 карактера (касније 280) 2006. године учинио је бројање карактера свакодневном активношћу за милионе. Блог платформе додале су процене времена читања око 2010. године, помажући читаоцима да одлуче да ли ће уложити време у дуге чланке. СЕО алати у 2010-им популаризовали су анализу густине кључних речи, иако су Гугл-ове algoritamske измене на крају казниле очигледно гомилање кључних речи.
Данашњи анализатори текста спајају једноставност и моћ - тренутни резултати, без инсталације, раде у потпуности у прегледачу. Основни алгоритми се нису много променили од 1970-их (раздвајање на белинама и даље остаје стандардни метод бројања речи), али приступачност се драматично побољшала.
Ево примера имплементације функција за анализу текста у различитим програмским језицима:
1// JavaScript функције за анализу текста
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 секунди'
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 // Бројање реченица (основна имплементација)
23 const sentenceCount = Math.max(1, (text.match(/[.!?]+/g) || []).length);
24
25 // Бројање параграфа
26 const paragraphs = text.split(/\n+/).filter(p => p.trim().length > 0);
27 const paragraphCount = Math.max(1, paragraphs.length);
28
29 // Израчунавање просечног броја речи по реченици
30 const avgWordsPerSentence = (wordCount / sentenceCount).toFixed(1);
31
32 // Проналажење 5 најфреквентнијих речи
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 // Израчунавање времена читања (225 речи у минуту)
47 const minutes = Math.floor(wordCount / 225);
48 const seconds = Math.round((wordCount % 225) / 225 * 60);
49 const readingTime = minutes > 0
50 ? `${minutes} мин ${seconds} сек`
51 : `${seconds} секунди`;
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// Пример употребе:
66const sampleText = "Здраво свете! Ово је анализатор текста. Броји речи и још много тога.";
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 секунди'
15 }
16
17 # Бројање речи
18 words = text.split()
19 word_count = len(words)
20
21 # Бројање карактера
22 char_count_with_spaces = len(text)
23 char_count_without_spaces = len(re.sub(r'\s+', '', text))
24
25 # Бројање реченица
26 sentences = re.findall(r'[.!?]+', text)
27 sentence_count = max(1, len(sentences))
28
29 # Бројање параграфа
30 paragraphs = [p for p in text.split('\n') if p.strip()]
31 paragraph_count = max(1, len(paragraphs))
32
33 # Просечан број речи по реченици
34 avg_words_per_sentence = round(word_count / sentence_count, 1)
35
36 # 5 најфреквентнијих речи
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 # Време читања (225 речи у минуту)
45 minutes = word_count // 225
46 seconds = round((word_count % 225) / 225 * 60)
47 reading_time = f"{minutes} мин {seconds} сек" if minutes > 0 else f"{seconds} секунди"
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# Пример употребе:
61sample_text = "Здраво свете! Ово је анализатор текста. Броји речи и још много тога."
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 секунди";
40 return result;
41 }
42
43 // Бројање речи
44 String[] words = text.trim().split("\\s+");
45 result.wordCount = words.length;
46
47 // Бројање карактера
48 result.charCountWithSpaces = text.length();
49 result.charCountWithoutSpaces = text.replaceAll("\\s+", "").length();
50
51 // Бројање реченица
52 Pattern sentencePattern = Pattern.compile("[.!?]+");
53 Matcher sentenceMatcher = sentencePattern.matcher(text);
54 result.sentenceCount = Math.max(1, (int) sentenceMatcher.results().count());
55
56 // Бројање параграфа
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 // Просечан број речи по реченици
62 result.avgWordsPerSentence =
63 Math.round((double) result.wordCount / result.sentenceCount * 10.0) / 10.0;
64
65 // 5 најфреквентнијих речи
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 // Време читања (225 речи у минуту)
81 int minutes = result.wordCount / 225;
82 int seconds = Math.round((result.wordCount % 225) / 225.0f * 60);
83 result.readingTime = minutes > 0
84 ? minutes + " мин " + seconds + " сек"
85 : seconds + " секунди";
86
87 return result;
88 }
89
90 public static void main(String[] args) {
91 String sampleText = "Здраво свете! Ово је анализатор текста. Броји речи и још много тога.";
92 AnalysisResult results = analyzeText(sampleText);
93 System.out.println("Број речи: " + results.wordCount);
94 System.out.println("Време читања: " + results.readingTime);
95 }
96}
971' VBA функција за анализу текста
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' Употреба у Excel-у:
45' =WordCount(A1)
46' =CharCountWithSpaces(A1)
47' =CharCountWithoutSpaces(A1)
48' =SentenceCount(A1)
49Ови примери показују како имплементирати основне функције за анализу текста у различитим програмским језицима. Свака имплементација се може прилагодити и проширити у зависности од специфичних захтева.
Ево неколико примера текстуалних унос и њихових одговарајућих резултата анализе:
Пример 1: Кратак параграф
Улазни текст: "Брза смеђа лисица скаче преко лењог пса. Ова реченица садржи свако слово абецеде."
Резултати анализе:
Пример 2: Вишепараграфски текст
Улазни текст: "Здраво свете! Ово је први параграф.
Ово је други параграф са више садржаја. Има више реченица да демонстрира анализатор."
Резултати анализе:
Да, за стандардни текст. Обе методе користе алгоритме за рачвање по белинама. Повремено се јављају неслагања код речи са цртицама или посебним карактерима — Word третира "е-трговина" као једну реч, док неки алати рачунају као две. За 99% уобичајеног писања, бројеви се потпуно поклапају.
Различите платформе броје различито. Twitter, LinkedIn и већина друштвених мрежа укључују размаке у ограничењима карактера. Неки академски часописи и међународни текстуални системи (попут јапанских мобилних оператера) искључују размаке. Поседовање оба броја спречава фрустрацију писања 280 карактера само да бисте открили да циљна платформа броји другачије.
То је користан приближан показатељ заснован на 225 речи у минути, средњој брзини читања одраслих. Технички садржај траје дуже, наративна проза се чита брже. Користите као полазну основу — стварна времена варирају за 20-30% у зависности од сложености и читаочевог познавања теме.
Бројање карактера је универзално. Бројање речи ради за било који језик који користи размаке као границе речи (шпански, француски, немачки, италијански, итд.). Језици без одвајача речи — кинески, јапански, тајландски — неће произвести смислене бројеве речи. Препознавање реченица углавном добро функционише за европске језике, али може имати потешкоћа са језицима који користе другачије системе интерпункције.
Технички не, али перформансе опадају изнад 100.000 карактера (отприлике роман од 70 страница). За уобичајену употребу — блог постови, есеји, имејлови, друштвене мреже — обрада се одвија тренутно.
Око 95% тачно за стандардни текст. Рукује уобичајеним скраћеницама (Др., Госпођа., итд.) али може застати код децималних бројева ("Резултат је био 3.5 поена") или необичне интерпункције. Ако вам требају потпуно тачни бројеви реченица за лингвистичка истраживања, требаћете специјализоване NLP алате.
То је природан језик. Функционалне речи (чланови, предлози, везници) чине 40-50% енглеског текста. Ако проверавате прекомерну употребу кључних речи, погледајте изван прве две позиције. Ваше циљне кључне речи треба да се појаве на позицијама 3-5 са разумном учесталошћу, не да доминирају листом.
Да, али контекст је важан. Google algoritmi кажњавају очигледно гомилање кључних речи (3%+ густине) док награђују природан језик. Ако се ваша циљна кључна реч појави у топ 5 најучесталијих речи са 1-2% густине, све је у реду. Ако се појави 50+ пута у чланку од 1.000 речи на првој позицији, вероватно превише оптимизујете.
Без обзира да ли проверавате да ли есеј испуњава захтеве, оптимизујете блог садржај за СЕО или обезбеђујете да твит одговара ограничењима броја карактера, налепите свој текст изнад и добијте тренутне метрике. Без пријаве, без инсталације, без прикупљања података — само једноставна анализа текста која ради.
Trauzettel-Klosinski S, Dietz K. „Стандардизована процена читалачких перформанси: Нови међународни текстови брзине читања IReST." Истраживачка офталмологија и визуелне науке. 2012. PMID: 16844754
Unicode Конзорцијум. „Сегментација Unicode текста (UAX #29)." Unicode Стандардни анекс #29. https://unicode.org/reports/tr29/
World Wide Web Конзорцијум. „Модел карактера за World Wide Web: Поклапање стрингова." W3C радни нацрт. https://www.w3.org/TR/charmod-norm/
Kincaid JP, Fishburne RP, Rogers RL, Chissom BS. „Извођење нових формула читљивости за поморско особље." Извештај огранка за истраживање 8-75, Команда за поморску техничку обуку, 1975. https://www.govinfo.gov/content/pkg/GOVPUB-ED-PURL-gpo106104/pdf/GOVPUB-ED-PURL-gpo106104.pdf
Otkrijte više alata koji mogu biti korisni za vaš radni proces