Cara mengira aksara dan perkataan

Tampalkan teks anda ke dalam Text Toolkit. Panel statistik mengemas kini semasa anda menaip dan melaporkan aksara, aksara tidak termasuk ruang, perkataan, ayat, baris dan perenggan.

Kiraan watak adalah yang patut difahami. Alat ini mengira kelompok grafem — apa yang dipanggil oleh seseorang sebagai satu aksara — jadi emoji yang dibina daripada seorang wanita, penyambung dan komputer riba dikira sebagai 1. Banyak alat mengira UTF-16 unit kod dan melaporkan 5 untuk emoji yang sama. Tidak salah; mereka mengukur perkara yang berbeza.

Tiga perkara berbeza yang dipanggil "watak"

Untuk teks bahasa Inggeris tanpa aksen atau emoji, ketiga-tiganya bersetuju dengan tepat, itulah sebabnya perbezaan itu tidak disedari sehingga ia penting. Mereka menyimpang pada emoji, pada bendera, pada aksara beraksen yang ditulis dengan tanda gabungan dan pada banyak skrip bukan Latin.

Akibat praktikal: jika anda mengira had yang dikuatkuasakan di tempat lain — lajur pangkalan data, gerbang SMS, pengesah borang, platform sosial — sistem itu mungkin dikira berbeza daripada yang ini. Cara jujur untuk menyemak had keras ialah kaunter destinasi sendiri.

Kelompok grafem: apa yang anda lihat. Satu emoji, satu huruf beraksen, satu suku kata Devanagari. Inilah yang dilaporkan oleh Text Toolkit.
Titik kod: satu nilai Unicode. Emoji yang diperbuat daripada tiga simbol ditambah penyambung ialah beberapa titik kod.
Unit kod: satu slot 16-bit dalam cara JavaScript menyimpan rentetan. Inilah yang dilaporkan oleh kaunter naif, dan ia adalah yang terbesar daripada tiga nombor.

Bagaimana perkataan dan ayat dikira di sini

Perkataan ialah larian bukan ruang kosong yang dipisahkan oleh ruang kosong, selepas dipangkas. Itulah definisi yang digunakan oleh hampir setiap kata yang digunakan, dan ia mempunyai kes tepi yang diketahui: kompaun bersempang dikira sebagai satu perkataan, sempang em tanpa ruang di sekelilingnya melekatkan dua perkataan menjadi satu dan item senarai bernombor mengira nombornya.

Ayat dikira dengan menamatkan tanda baca — noktah, tanda soal, tanda seru dan setara CJK lebar penuhnya. Singkatan meningkatkan kiraan, jadi "Dr. Smith tiba." dibaca sebagai dua ayat. Tiada kaunter menyelesaikan perkara ini tanpa kamus, dan alat yang berpura-pura sebaliknya akan menjadi salah kurang jelas.

Garisan dikira mengikut pemisah baris, mengendalikan Windows, Unix dan penghujung Mac klasik. Perenggan ialah larian teks yang dipisahkan oleh baris kosong.

Mengira had platform

Had platform berubah, dan ia dikuatkuasakan oleh platform dan bukannya oleh mana-mana kaunter yang anda gunakan terlebih dahulu. Daripada mengulangi nombor di sini yang mungkin lapuk pada masa anda membaca ini, nasihat berguna ialah tentang METHOD.

Tulis dalam alat, kira di sana untuk mendapatkan dalam julat, dan tampal ke dalam platform untuk mengesahkan terhadap kaunternya sendiri sebelum menyiarkan. Jurang antara dua nombor, jika ada, memberitahu anda cara platform itu dikira — dan sebaik sahaja anda mengetahui bahawa untuk satu platform yang anda siarkan, anda tahu itu.

Dua perkara khusus yang menangkap orang tanpa mengira platform. URL selalunya dikira sebagai panjang tetap dan bukannya panjang sebenar, jadi pautan panjang mungkin kosnya lebih rendah daripada yang kelihatan. Dan emoji boleh berharga di mana-mana dari satu hingga sedozen bergantung pada peraturan pengiraan, itulah sebabnya siaran yang sesuai dengan editor kadang-kadang tidak akan dimuatkan di dalam kotak.

Mengemas sebelum mengira

Potong garisan, untuk mengalih keluar ruang kosong di hadapan dan di belakang yang meningkatkan kiraan aksara.
Alih keluar baris kosong jika anda mengira senarai dan bukannya prosa.
Alih keluar pendua jika entri yang sama muncul lebih daripada sekali dan anda mengira item yang berbeza.
Baca kiraan baris untuk senarai, atau kiraan perkataan untuk prosa. Mengira statistik yang salah adalah kesilapan yang lebih biasa daripada mengiranya dengan salah.

Contoh yang berkesan: mengapa satu baris melaporkan 14 aksara dan 20 di tempat lain

Ambil baris: Hantarkan 🚀 hari ini — di mana roket adalah emoji tunggal dan selebihnya adalah biasa ASCII.

Mengira dengan mata: S-h-i-p, angkasa, i-t, angkasa, roket, angkasa, t-o-d-a-y. Empat belas perkara yang akan ditunjukkan oleh seseorang.

Kit Alat Teks melaporkan 14 aksara, 4 perkataan, 1 baris. Kaunter berukuran UTF-16 unit kod melaporkan 15, kerana roket itu menduduki dua slot.

Sekarang tukar roket dengan emoji keluarga yang dibina daripada empat orang yang disertai oleh penyambung yang tidak kelihatan. Kiraan yang boleh dilihat masih 14. Kiraan unit kod melonjak kepada sekitar 24, kerana gambar tunggal itu ialah sebelas unit kod.

Keputusan: Teks yang kelihatan sama, dua kiraan dipisahkan sepuluh, dan tiada alat yang rosak. Jika borang menolak teks anda semasa kaunter anda menyatakan ia sesuai, ini hampir selalu sebabnya — dan penyelesaiannya adalah untuk menyemak destinasi, bukan untuk berdebat dengan kaunter.

Buka alat

Kira teks dalam Text Toolkit

Mengira kelompok grafem, perkataan, ayat, baris dan perenggan semasa anda menaip. Tiada apa yang disimpan dan tiada apa yang dihantar ke mana-mana.

Perkara ini tidak meliputi

Pengiraan perkataan adalah berasaskan ruang kosong, jadi kompaun sempang dikira sebagai satu perkataan dan sengkang em tanpa jarak bergabung dengan dua.
Pengiraan ayat adalah berasaskan tanda baca dan dinaikkan dengan singkatan.
Pengiraan graf menggunakan pembahagian pelayar sendiri jika tersedia, jadi hasil boleh berbeza sedikit antara pelayar lama dan baharu untuk skrip eksotik.
Tiada anggaran masa membaca, tiada kepadatan kata kunci dan tiada skor kebolehbacaan dalam alat ini.
Pemprosesan berjalan pada utas utama, jadi dokumen yang sangat besar mungkin dijeda sebentar.
Alat ini tidak boleh memberitahu anda had semasa platform dan tidak mencuba.