Uchambuzi wa haraka wa maandishi na hesabu ya maneno, hesabu ya herufi (na/bila nafasi), hesabu ya sentensi, muda wa kusoma, na uchambuzi wa mara kwa mara. Kamili kwa insha, SEO, na mitandao ya kijamii.
Je, umewahi kuangalia hati ukijitania ikiwa umefika kiwango cha maneno 500 au kuishia chini ya kikomo cha sifa? Hii ndio zana inayosuluhisha hilo.
Chunguzi wa maandishi haraka-haraka unabainisha vipimo muhimu vya maandishi yako—hesabu ya maneno, hesabu ya sifa (pamoja na usiojumuisha nafasi), hesabu ya sentensi, hesabu ya aya, muda wa kusoma, na mengineyo. Bandika yaliyomo, bonyeza "Chunguza," na upate takwimu kamili kwa milisokeji.
Jambo la kufanya zana hii kuwa muhimu: unaoona aina mbili za hesabu ya sifa. Majukwaa ya mitandao kama Twitter husahau sifa zote ikijumuisha nafasi, wakati mifumo ya kuwasilisha kazi za kitaaluma hupunguza zile zilizojumuisha nafasi. Kuwa na vipimo vya aina mbili kunakusaidia kuepuka maudhui yasiyotarajiwa unapotumia mifumo tofauti.
Zana hii inafanya kazi kabisa kwenye kivinjari chako—hakuna kupakia kwenye seva, hakuna usanidi mgumu, hakuna akaunti zinazohitajika. Ni uchunguzi wa haraka wa maandishi unaofanana na mbinu za kuhesabu za Microsoft Word na Google Docs.
Kutumia zana hii huchukua sekunde 5:
Weka Maandishi Yako: Bandika maudhui kutoka chanzo chochote—Hati za Word, Google Docs, barua pepe, rasimu za blogu, au andika moja kwa moja kwenye eneo la kuingiza.
Bonyeza Changanisha: Gonga kitufe cha kuchanganisha na uangalie matokeo yaonekane mara moja. Uchakatzi hutendeka upande wa mteja, kwa hivyo hata hati zenye maneno 10,000+ zitachanganyishwa chini ya sekunde moja.
Kagua Matokeo: Takwimu zinaonyeshwa kwa mpangilio rahisi wa kadi. Kila kipimo kinaonyesha lebo na nambari wazi—hakuna uhitaji wa tafsiri.
Badilisha Haraka: Hariri maandishi yako na uchanganishe tena kwa mara nyingi unavyohitaji. Hii ni muhimu sana unapotaka kufikia idadi fulani ya maneno kwa makala au kubaki ndani ya mipaka ya herufi kwa machapisho ya kijamii.
Usaidizi wa Lugha: Inafanya kazi na lugha yoyote inayotumia nafasi kubainisha maneno (Kiingereza, Kihispania, Kifaransa, Kijerumani, n.k.). Kuhesabu herufi kunafanya kazi kwa lugha zote, ingawa tahmini ya muda wa kusoma inazingatia kasi ya kusoma kwa Kiingereza (maneno 225 kwa dakika). Kwa lugha kama Kichina au Kijapani ambazo hazitenganishi maneno, hesabu ya herufi itakuwa sahihi lakini hesabu ya maneno haitakuwa ya maana.
Maandishi ya dunia halisi ni magumu—nafasi ziada, mivutano ya mstari, umbizo maalum. Hapa jinsi ya changanizi inavyoshughulikia hali za kawaida:
Hali ya kawaida: kubadilisha maandishi kutoka PDF mara nyingi huongeza mivutano ya ajabu katikati ya sentensi. Changanizi hushughulikia hili kwa urahisi, ingawa unaweza kuona hesabu ya aya zaidi kuliko unatarajia. Wakati huu utokee, uwiano wa sentensi hadi aya utaonesha suala.
Hapa ilivyo kila takwimu inakutambulisha na kwa nini inahusika:
Jumla ya maneno yaliyatengwa na nafasi. Maneno yaliyounganishwa kwa kigawa cha tarakimu kama "vizuri-julikana" huchangwa kama neno moja, pia maneno ya kubana kama "usitenge."
Kwa nini hili muhimu: Kazi nyingi za kitaaluma zitambuza mahitaji ya hesabu ya maneno. Maudhui ya masoko ya maudhui pia yanalenga mifumo maalum - machapisho ya blogu kawaida yanapunguza 1,500-2,000 maneno kwa SEO, wakati maelezo ya mitandao ya kijamii yanafanya vizuri chini ya maneno 150.
Kila herufi ikiwa ni pamoja na herufi, nambari, alama za uakifishaji na nafasi.
Kwa nini hili muhimu: Kikomo cha Twitter cha 280 herufi, kikomo cha machapisho ya LinkedIn cha 3,000 herufi, na ujumbe wa SMS vyote vinavihesabu nafasi. Hii ndiyo hesabu yako ya "ulimwengu halisi" ya herufi.
Herufi zote isipokuwa nafasi yoyote.
Kwa nini hili muhimu: Baadhi ya jarida za kitaaluma na mifumo ya uwasilishaji hupuuza nafasi katika vikomo. Kikomo cha herufi 5,000 usiyo na nafasi kukupa nafasi ya ziada kwa asilimia 20 kuliko cha pamoja na nafasi.
Inahgunduliwa na alama ya mwisho (. ! ?) iliyofuatwa na nafasi au mwisho wa matini. Mifumo ya msingi inahwahindua kuhesabu vifupisho kama "Dk." kama kukata sentensi.
Kwa nini hili muhimu: Pamoja na hesabu ya maneno, hii inaonesha kuchorwa kwa sentensi. Makala ya habari ya wastani yana maneno 15-20 kwa sentensi, wakati maandishi ya kitaaluma mara nyingi yana 25-30.
Yatengwa na mstari wa kuvunja. Hata matini ya mstari mmoja huchangwa kama aya moja.
Kwa nini hili muhimu: Wasomaji wa mtandaoni huscanoa badala ya kusoma. Nyayo fupi (sentensi 3-5) huimarisha urahisi wa kusoma kwenye skrini. Ikiwa una maneno 500 katika aya 3, unandika ukuta wa matini ambao unawafukuza wasomaji.
Jumla ya maneno yagawanywa na hesabu ya sentensi, kupatia kwa kigawa kimoja.
Kwa nini hili muhimu: Kipimo hiki kimoja kinabainisha urahisi wa kusoma kuliko kila kitu kingine. Lengo 15-20 kwa hadhira ya kawaida, 20-25 kwa maudhui ya kitaaluma, 25+ kwa maandishi ya kitaaluma. Kupita 30 maneno kwa sentensi kawaida inamaanisha unahitaji kuvunja mambo.
Maneno yanayoonekana mara nyingi, pamoja na hesabu ya kutokea.
Kwa nini hili muhimu: Inaonesha matumizi ya neno muhimu na matumizi sana. Unapobandika maudhui ya SEO, utapenda neno muhimu kuwepo lakini usiwe ukidhibiti. Ikiwa neno moja linatokea mara 50 katika makala ya maneno 500, unafanya "kubeba neno." Lugha ya asili inaonesha msamiati tofauti katika maeneo haya ya juu.
Kutegemea maneno 225 kwa dakika, kasi ya kawaida ya kusoma kwa kimya kwa Kiingereza. Kulingana na utafiti wa Trauzettel-Klosinski (2006), kasi za kawaida za kusoma kwa watu wazima ni 200-250 WPM, na 225 ikiwakilisha kati.
Kwa nini hili muhimu: Machapisho ya blogu yenye muda wa kusoma wa dakika 7-8 yanafanya vizuri kwa ushirikiano. Wasomaji wanaamua kwa kimya ikiwa watainvesti muda kabla ya kuanza. Makala za jarida chini ya dakika 5 zina kiwango cha juu cha kukamilisha.
Chombo hiki hutumia algoritmu za kuchakata matini za kiwango cha kawaida zinazofanana na Microsoft Word na Google Docs:
Kuhesabu Maneno: Gawanya matini kwa mipaka ya nafasi (nafasi, vichache, mifumo mpya), chuja mistari tupu, hesabu kilichosalia. Hii ni mbinu ya kawaida iliyobainishwa na specifikesheni ya Kugawanya Matini ya Unicode.
Kuhesabu Herufi: Kwa hesabu "pamoja na nafasi", kimsingi ukokotoze urefu wa mistari. Kwa "bila nafasi," ondoa kwanza sifa zote za nafasi. Mbinu zote zinahusiana na viwango vya Konsoshio ya Wavuti Duniani (W3C).
Kugundua Sentensi: Tambua alama za mwisho (. ! ?) zilizofuatwa na nafasi au mwisho wa matini. Mbinu za msingi zinahwakisha kuepuka vipengele vya uasi kama "Dr." au "Mrs."—ingawa kesi ngumu kama "The U.S. economy grew 2.5%." zinaweza wakati mwingine zitoe hesabu zisizotarajiwa. Kugundua sentensi kwa usahihi unahitaji uchambuzi wa lugha ya asili; utekelezaji huu unazingatia kasi na unafunika zaidi ya 95% ya matumizi ya kawaida.
Mara ya Maneno: Badilisha herufu ndogo (kulinganisha bila kuzingatia herufi kubwa), hesabu mara zilivyotokea, panga kwa mara. Hii inaonesha mifumo lakini ina vizuizi—"running" na "run" zitahesabwa kama maneno tofauti, na maneno ya kawaida kama "the" mara nyingi yanaongoza.
Uchakataji wote unafanyika upande wa mteja kwenye kivinjari chako kwa kutumia mbinu za msingi za JavaScript. Hakuna data inayotoka kwenye kifaa chako.
Wanafunzi wanakabiliana na mahitaji ya kina ya hesabu ya maneno - kawaida 500, 1,000, 1,500, au 2,000 maneno kwa insha. Kushindwa kwa hata maneno 50 kunaweza kukupunguzia alama, wakati ya kwenda zaidi ya mipaka inaonyesha kuwa huwezi kuhariri kwa usahihi.
Hali ya kawaida: umekuwa umeandika jambo ambalo huhisi ni kutosha lakini hesabu ya maneno inaonyesha 1,847 maneno kwa kima cha chini cha 2,000 maneno. Badala ya kuongeza maneno ya kujaza nafasi, chunguza wastani wa maneno kwa sentensi. Ikiwa ni chini ya 20, unaweza kuwa unaandika kwa upungufu na unaweza kuongeza maelezo ya kina kwa dhana tegemezi.
Injini za utafutaji zinapenda maudhui ya kina. Data kutoka utafiti wa SEO inashirikisha makala ya maneno 1,500-2,500 huwa na nafasi nzuri kwa maneno muhimu ya ushindani. Lakini hesabu ya maneno pekee haihakikishi mafanikio - una haja ya maudhui ya kiutendaji.
Tumia uchambuzi wa mara kwa mara ili kuangalia matumizi ya maneno muhimu. Ikiwa maneno muhimu yako 30 mara katika maneno 2,000 (kiwango cha 1.5%), uko sawa. Zaidi ya 3% na wewe ni karibu na kuchanganya maneno, jambo ambalo Google hupunguzia.
Kila jukwaa lina mipaka tofauti: Twitter inaruhusu vibambo 280, machapisho ya LinkedIn yanaishia 3,000 vibambo (ingawa tu ya kwanza 140 yanatokea bila "angalia zaidi"), maelezo ya Instagram yanashughulikia vibambo 2,200. Kubakia ndani ya vizuizi hivi wakati wa kudumisha athari inahitaji usahihi.
Hesabu ya vibambo bila nafasi ina umuhimu kwa masoko ya SMS pia. SMS ya kawaida ina vibambo 160, lakini hiyo mipaka inaweza kuacha nafasi katika mifumo fulani. Kwenda zaidi ya hiyo hutenga ujumbe wako katika ujumbe mbalimbali, mara nyingi na muundo uliovunjika.
Utafiti unaonyesha kuwa barua pepe chini ya maneno 125 hupatikana kwa majibu ya juu. Zaidi ya maneno 200 na kiwango cha majibu huanguka. Tahmini ya muda wa kusoma husaidia - lengo ni chini ya dakika 1 kwa mawasiliano ya nje, chini ya dakika 2 kwa mawasiliano ya ndani.
Nafasi ya kuwasilisha ya dakika 10 inahitaji takriban maneno 1,300-1,500 ya maandishi (kwa kiasi cha maneno 130-150 kwa dakika ya kuongea, ambayo ni polepole kuliko kiwango cha kusoma). Bandika hotuba yako, kagua hesabu ya maneno, na rekebisha kwa usahihi. Kwenda zaidi ya muda utakuvunja; kumaliza mapema utaonekana usiojitayarisha.
Maandishi yaliyotafsiriwa kawaida yanatongea 15-30% zaidi kuliko maandishi ya Kiingereza kwa sababu za kigramati. Kireno huwa na ufupi mrefu, Kijerumani hata zaidi. Kwa kulinganisha hesabu ya vibambo kati ya chanzo na tafsiri, unaweza kubaini matatizo - ikiwa tafsiri yako ya Kijerumani ni fupi kuliko ya Kiingereza, jambo fulani linakosekana.
Kichanganuzi hiki kinalenga vipimo vya msingi—hesabu ya maneno, hesabu ya herufi, muundo wa sentensi. Kwa uchambuzi wa kina zaidi, zingatia zana hizi maalum:
Vipimo vya Urahisishaji: Kiwango cha Daraja la Flesch-Kincaid na Kiashiria cha Gunning Fog huhesabu ugumu wa kusoma kulingana na hesabu ya silabi na urefu wa sentensi. Formulazo hizi hutoa vipimo vya urahisishaji ya kiobjectivi, ingawa zina vizuizi—"Paka alilala" hupimwa kuwa rahisi zaidi kuliko "Ni changamano" hata hivyo ugumu wa kuelewa ni sawa.
Vichunguzi vya Sarufi: Zana kama Grammarly hugunza makosa ya sarufi, pendekeza kuboresha mtindo, na kuashiria sauti ya udhaifu. Zinakamilisha vichunguzi vya maandishi kwa kulenga usahihi badala ya takwimu.
Uchambuzi wa Hisia: Mifumo ya NLP inatengeneza toni ya kihisia—chanya, hasi, au ya kati. Muhimu kwa kuchambua maoni ya wateja au taarifa za mitandao ya kijamii kwa kiwango kikubwa.
Uthibitishi wa Unyoaji: Unakuza maandishi yako dhidi ya kurasa za wavuti na makala za kiacademia. Muhimu sana kwa uadilifu wa kimasomo na uthibitishi wa asili ya maudhui.
Kabla ya kompyuta, waandishi na wahariri walikuwa wakihesabu maneno kwa mkono—jambo la kuchukiza na lenye makosa. Vihesabizi vya maneno vya kwanza vilionekana katika mashine za kuandika za mekanikal wakati wa miaka ya 1890, ingawa vilikuwa vikidhihirisha tu vipindishi, si maneno halisi.
Usindikizaji wa digital ubadilishize kila kitu. WordStar (1978) na WordPerfect (1979) zilizinduza uhesabaji wa maneno kulingana na programu, kufanya vipimo vya maandishi vifikiriwe kwa urahisi na mtu yeyote aliye na kompyuta ya kibinafsi. Katikati ya miaka ya 1980, kuhesabu maneno kulikuwa sifa ya kawaida katika kila kisindikizi cha maneno.
Enzi ya mtandao ilipeleka mahitaji mapya. Kikomo cha Twitter cha herufi 140 (baadaye 280) mwaka wa 2006 kilifanya kuhesabu herufi kuwa shughuli ya kila siku kwa watu wa milioni. Mifumo ya blogging ilitoa tahmini ya muda wa kusoma karibu mwaka wa 2010, kusaidia wasomaji kuamua kama wataingia mwanzo katika makala marefu. Zana za SEO katika miaka ya 2010 zilisheheni uchambuzi wa usivyo wa maneno muhimu, ingawa marekebisho ya algoritmu ya Google mwishowe yalitoza kubeba maneno kwa wingi.
Leo, vichunguzi vya maandishi vanachanganya urahisi na nguvu—matokeo ya haraka, bila kusakinisha, vikifanya kazi kabisa kwenye kivinjari. Algoritmu za msingi hazijabadirishwa sana tangu miaka ya 1970 (kubagua kwa nafasi bado ni mbinu ya kawaida ya kuhesabu maneno), lakini upatikanaji umeimarishwa sana.
Hapa ni mifano ya utekelezaji wa kazi za uchambuzi wa maandishi katika lugha mbalimbali za programu:
1// Kazi za Kuchambuzi wa Maandishi kwa JavaScript
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: 'sekunde 0'
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 // Hesabu sentensi (utekelezaji wa msingi)
23 const sentenceCount = Math.max(1, (text.match(/[.!?]+/g) || []).length);
24
25 // Hesabu aya
26 const paragraphs = text.split(/\n+/).filter(p => p.trim().length > 0);
27 const paragraphCount = Math.max(1, paragraphs.length);
28
29 // Hesabu wastani wa maneno kwa sentensi
30 const avgWordsPerSentence = (wordCount / sentenceCount).toFixed(1);
31
32 // Gundua maneno 5 yanayojitokeza mara nyingi
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 // Hesabu muda wa kusoma (maneno 225 kwa dakika)
47 const minutes = Math.floor(wordCount / 225);
48 const seconds = Math.round((wordCount % 225) / 225 * 60);
49 const readingTime = minutes > 0
50 ? `dakika ${minutes} sekunde ${seconds}`
51 : `sekunde ${seconds}`;
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// Mfano wa matumizi:
66const sampleText = "Habari dunia! Hii ni kuchambuzi wa maandishi. Inahesabu maneno na mengine.";
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': 'sekunde 0'
15 }
16
17 # Hesabu maneno
18 words = text.split()
19 word_count = len(words)
20
21 # Hesabu herufi
22 char_count_with_spaces = len(text)
23 char_count_without_spaces = len(re.sub(r'\s+', '', text))
24
25 # Hesabu sentensi
26 sentences = re.findall(r'[.!?]+', text)
27 sentence_count = max(1, len(sentences))
28
29 # Hesabu aya
30 paragraphs = [p for p in text.split('\n') if p.strip()]
31 paragraph_count = max(1, len(paragraphs))
32
33 # Wastani wa maneno kwa sentensi
34 avg_words_per_sentence = round(word_count / sentence_count, 1)
35
36 # Maneno 5 yanayojitokeza mara nyingi
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 # Muda wa kusoma (maneno 225 kwa dakika)
45 minutes = word_count // 225
46 seconds = round((word_count % 225) / 225 * 60)
47 reading_time = f"{minutes} dakika {seconds} sekunde" if minutes > 0 else f"{seconds} sekunde"
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# Mfano wa matumizi:
61sample_text = "Habari dunia! Hii ni kuchambuzi wa maandishi. Inahesabu maneno na mengine."
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 = "sekunde 0";
40 return result;
41 }
42
43 // Hesabu maneno
44 String[] words = text.trim().split("\\s+");
45 result.wordCount = words.length;
46
47 // Hesabu herufi
48 result.charCountWithSpaces = text.length();
49 result.charCountWithoutSpaces = text.replaceAll("\\s+", "").length();
50
51 // Hesabu sentensi
52 Pattern sentencePattern = Pattern.compile("[.!?]+");
53 Matcher sentenceMatcher = sentencePattern.matcher(text);
54 result.sentenceCount = Math.max(1, (int) sentenceMatcher.results().count());
55
56 // Hesabu aya
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 // Wastani wa maneno kwa sentensi
62 result.avgWordsPerSentence =
63 Math.round((double) result.wordCount / result.sentenceCount * 10.0) / 10.0;
64
65 // Maneno 5 yanayojitokeza mara nyingi
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 // Muda wa kusoma (maneno 225 kwa dakika)
81 int minutes = result.wordCount / 225;
82 int seconds = Math.round((result.wordCount % 225) / 225.0f * 60);
83 result.readingTime = minutes > 0
84 ? minutes + " dakika " + seconds + " sekunde"
85 : seconds + " sekunde";
86
87 return result;
88 }
89
90 public static void main(String[] args) {
91 String sampleText = "Habari dunia! Hii ni kuchambuzi wa maandishi. Inahesabu maneno na mengine.";
92 AnalysisResult results = analyzeText(sampleText);
93 System.out.println("Idadi ya Maneno: " + results.wordCount);
94 System.out.println("Muda wa Kusoma: " + results.readingTime);
95 }
96}
971' Kazi ya VBA ya Excel ya Uchambuzi wa Maandishi
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' Matumizi katika Excel:
45' =WordCount(A1)
46' =CharCountWithSpaces(A1)
47' =CharCountWithoutSpaces(A1)
48' =SentenceCount(A1)
49Haya mifano inaonyesha jinsi ya kutekeleza kazi za msingi za uchambuzi wa maandishi katika lugha mbalimbali za programu. Kila utekelezaji unaweza kukabidhiwa na kupanuliwa kulingana na mahitaji maalum.
Hapa kuna mifano kadhaa ya maingizo ya maandishi na matokeo yake ya uchambuzi:
Mfano 1: Aya Fupi
Maingizo ya Maandishi: "Mbwa mbichi mweusi anainuka juu ya mbwa wavivu. Sentensi hii ina kila herufi ya alfabeti."
Matokeo ya Uchambuzi:
Mfano 2: Maandishi ya Aya Kadhaa
Maingizo ya Maandishi: "Habari dunia! Hii ni aya ya kwanza.
Hii ni aya ya pili yenye maudhui zaidi. Ina sentensi kadhaa ili kuonyesha kichunguzi."
Matokeo ya Uchambuzi:
Ndiyo, kwa matini ya kawaida. Zote hutumia mbinu za kubagua kwa nafasi ya kati. Tofauti zinatokea mara chache na maneno yenye kigawa au herufi maalum—Word inashughulikia "e-commerce" kama neno moja wakati zingine zingine zingine zitahesabu kama maneno mawili. Kwa asilimia 99 ya maandishi ya kawaida, hesabu zinalingana kabisa.
Majukwaa tofauti huhesabu tofauti. Twitter, LinkedIn, na mitandao mingine ya kijamii huingiza nafasi katika kikomo cha herufi. Baadhi ya jarida za kiasademia na mifumo ya kimataifa ya matini (kama vile wasambazaji wa simu ya Kijapani) hupuuza nafasi. Kuwa na zote mbili kunazuia kuhuzunika kuandika herufi 280 tu kugundua kuwa jukwaa lako lengo huhesabu tofauti.
Ni tahmini muhimu iliyoanzishwa juu ya maneno 225 kwa dakika, kasi ya kati ya kusoma ya mtu mzima. Maudhui ya kiufundi huchukua muda zaidi, riwaya hisoma haraka zaidi. Itumie kama kielelezo cha msingi—nyakati halisi zinatofautiana kwa asilimia 20-30 kutegemea kugumu na uelewa wa msomaji kuhusu mada.
Hesabu ya herufi inafanya kazi kwa jumla. Hesabu ya maneno inafanya kazi kwa lugha zozote zinazotumiwa nafasi kama mpaka wa maneno (Kihispania, Kifaransa, Kijerumani, Kiitaliano, n.k.). Lugha zisizo na mpangilio wa maneno—Kichina, Kijapani, Kithai—hazitazalisha hesabu ya maneno yenye maana. Utambuzi wa sentensi unafanya kazi vizuri kwa lugha za Kiropa lakini unaweza kupata matatizo na mifumo tofauti ya alama za uakifishaji.
Kiufundi, hapana, lakini utendaji huporomoka zaidi ya herufi 100,000 (takriban riwaya ya kurasa 70). Kwa matumizi ya kawaida—machapisho ya blogu, insha, barua pepe, mitandao ya kijamii—uchakatzi hutokea mara moja.
Karibu asilimia 95 ya usahihi kwa matini ya kawaida. Inashughulikia vifupisho vya kawaida (Dkt., Bi., vss.) lakini inaweza kugongwa na nambari za desimali ("Alipiga hatua 3.5") au alama za uakifishaji usiojulikana. Ikiwa unahitaji hesabu za sentensi za kikamilifu kwa utafiti wa lugha, utahitaji zana za NLP maalum.
Hii ni lugha ya kawaida. Maneno ya kazi (vifungu, vihisishi, viunganishi) yanajumuisha asilimia 40-50 ya matini ya Kiingereza. Ikiwa unachunguza kupitiliza maneno muhimu, angalia zaidi ya nafasi ya 1 au 2. Maneno yako muhimu yanapaswa kuonekana katika nafasi 3-5 kwa mara kwa mara ya busara, usizuie orodha.
Ndiyo, lakini muktadha una maana. Mifumo ya Google hupunguza kufunika wa maneno muhimu (usaidizi wa asilimia 3+) wakati wa kuwakaribisha lugha ya asili. Ikiwa neno lako muhimu linaonekana katika maneno 5 ya juu kwa usaidizi wa asilimia 1-2, uko sawa. Ikiwa linaonekana mara 50+ katika makala ya maneno 1,000 katika nafasi ya 1, unaweza kuwa unajaribu sana.
##Anza Kuchunguza Maandishi Yako
Iwe unatathmini insha inahitaji mahitaji, kuboresha maudhui ya blogu kwa SEO, au kuhakikisha tweet inafuata kikomo cha herufi, bandika maandishi yako hapo juu na kupata vipimo haraka. Hakuna usajili, hakuna usanidi, hakuna ukusanyaji wa data—tu uchambuzi wa moja kwa moja wa maandishi unaoofaa.
Trauzettel-Klosinski S, Dietz K. "Tathmini Ya Kiwango Cha Kusoma: Maandishi Mapya Ya Kasi Ya Kusoma Ya IReST." Uchunguzi wa Ophthalmology na Sayansi ya Kuona. 2012. PMID: 16844754
Umoja wa Unicode. "Ugawanyaji wa Maandishi ya Unicode (UAX #29)." Kiambatisho cha Unicode Kiwango #29. https://unicode.org/reports/tr29/
Shirika la Wavuti Duniani. "Mfumo wa Herufi kwa Wavuti Duniani: Kulingana na Mistari." Rasimu ya Kazi ya W3C. https://www.w3.org/TR/charmod-norm/
Kincaid JP, Fishburne RP, Rogers RL, Chissom BS. "Kuchunguza Vifungu Vipya vya Urahisi wa Kusoma kwa Wanajeshi wa Jeshi la Bahari." Ripoti ya Tawi la Utafiti 8-75, Amri ya Mafunzo ya Kiufundi ya Bahari, 1975. https://www.govinfo.gov/content/pkg/GOVPUB-ED-PURL-gpo106104/pdf/GOVPUB-ED-PURL-gpo106104.pdf
Gundua zana zaidi ambazo zinaweza kuwa na manufaa kwa mtiririko wako wa kazi