Woordfrequentie-teller
In "een kat en een hond en een vogel spelen in de tuin" komt het woord "een" 3 keer voor op 12 woorden, dat is 25%.
Zo werkt het
- Plak of typ je tekst.
- Stel de opties in: hoofdletters negeren, gangbare Engelse stopwoorden overslaan, een minimale woordlengte en hoeveel rijen je wilt zien.
- Lees de tabel met woorden, aantallen en percentages af. Kopieer hem als CSV als je hem in een spreadsheet wilt openen.
Berekening
Woorden worden gesplitst met de Unicode-woordsegmentatie van de browser (Intl.Segmenter), die de Unicode-regels voor tekstsegmentatie volgt. Leestekens en spaties vallen weg en getallen tellen als woorden. Mist een browser de segmentatie, dan wordt een eenvoudigere regel gebruikt die reeksen letters en cijfers als woorden behandelt.
Elk woord wordt geteld, daarna worden de rijen van hoog naar laag op aantal gesorteerd. Woorden met hetzelfde aantal worden alfabetisch gesorteerd.
Het percentage is het aantal van een woord gedeeld door het aantal getelde woorden, maal 100. Woorden die door de stopwoordenlijst of de minimale lengte zijn verwijderd, worden niet geteld, dus de percentages tellen altijd op over de woorden die overblijven.
Japans wordt gesplitst met woordenboekregels in browsers die dat ondersteunen. Koreaans wordt bij spaties gesplitst, dus woorduitgangen blijven eraan vast, bijvoorbeeld 고양이 en 고양이를 zijn verschillende invoeren.
Veelgestelde vragen
Werkt het voor Koreaans en Japans?
Ja, tekst in elk schrift wordt in woorden gesplitst. Japans heeft geen spaties, dus wordt de op woordenboeken gebaseerde segmentatie van de browser gebruikt en kan het resultaat tussen browsers licht verschillen. Koreaanse woorden behouden hun partikels, dus een zelfstandig naamwoord en datzelfde woord met een partikel tellen als aparte woorden.
Wat zijn stopwoorden?
Heel gangbare Engelse woorden zoals the, and, of en to. Door ze te verwijderen vallen de betekenisvolle woorden meer op. De lijst bevat ongeveer 100 woorden en geldt alleen voor het Engels.
Zijn "Appel" en "appel" hetzelfde woord?
Standaard wel, omdat woorden in kleine letters worden omgezet. Zet Hoofdletters negeren uit om ze apart te tellen.
Hoe worden samentrekkingen als don't behandeld?
Ze blijven één woord. Een gekrulde apostrof wordt omgezet in een rechte, zodat beide spellingen overeenkomen.
Wordt mijn tekst ergens naartoe gestuurd?
Nee. Het tellen gebeurt in je browser.