1次通过词频计数器运行自己的博文,感觉有点暴露,在1200个词的文章中,我用过"基本"十四次,不是"偶尔"十四次,写字时眼睛已经直视每一个,因为这正是拐杖词的作用:它们隐藏在视线范围内,一个频率计数并不关心你的意图,它只是计数,数字坐在屏幕上,敢于与你争论。
在[toolz。dev](/)构建工具,而我一周的大部分时间都在写作:WordPress插件的文档、营销文案、Laravel教程、发布笔记 词频分析已经悄然成为我在任何东西发货之前运行的检查之一,它是一个三十秒的通行证,捕捉到我大脑拒绝看到的重复,确认一个页面实际上提到了它声称的主题,偶尔也让我免于发布一些读起来像是从三个不同的草稿中组装出来的东西,这个指南是我学到的关于计算单词的所有知识。
TL;博士: 词频计数器将您的文本分割成单词并报告每个单词出现多少次,从大多数到最不常见排名。用它来捕获过度使用的拐杖词,检查关键词密度以进行搜索引擎优化,并了解文档实际强调的折叠情况。将 case so "The"和 "the"一起计数,打开停字过滤器以隐藏功能词,例如 "the"和 "and,"并阅读百分比列以查看每个单词's 文本的份额。 字频计数器 完全在您的浏览器中运行,因此您粘贴的任何内容都不会上传。
什么是词频计数器?
词频计数器读取一块文本,将其分解为单个单词 - 一步 Unicode 标准附件#29 specification远比"在空格上分割"建议-并告诉你每个不同的单词出现多少次输出是一个排名表:每个唯一的单词,它的计数,通常它占整个文档的百分比,最常出现的单词位于顶部。
A.这与一个简单的单词计数器答案不同的问题. 词计数器 告诉你一个文档有 847 个单词,一个频率计数器告诉你其中 31 个单词是 "the,"12 个是 "data," 9 个是 "但是。"总计是一个关于长度的数字。频率表是一个关于重点的分布。长度告诉你是否击中了作业目标。分布告诉你写作的实际内容以及它在哪里重复。
概念陈旧且研究充分,语言学家们测量词频已经有一个多世纪了,出现的模式在各个语言之间都非常一致:少量的词在任何文本中占有巨大的份额,之后频率急剧下降,这就是Zipf's定律,观察最常见的词往往出现频率是第二常见的的两倍左右,第三种的频率是第三种的3倍,依此类推,你在自己按频率排序文档的那一刻,就会在自己的写作中看到这种形状列表的顶部是短虚词,有趣的实词在后面拖曳。
为什么我要计算词频?
我出于四个不同的原因进行频率分析,在阅读表格之前了解您正在追逐哪个原因会有所帮助。
1个是抓重复,每个作家都有拐杖词,他们靠的那些没有注意到的,我的都是"基本,""其实,"和"只是。"你的可能是"真的,""非常,"或者你爱上的一个特定的技术术语,重复从内部看不见,因为你在一个单独的时刻写了每个实例,从来没有看到它们堆叠起来,一个频率计数堆叠起来。
2个是搜索的关键词密度,当我写一个针对特定短语的页面时,我想确认短语及其接近的变体经常出现,以至于搜索引擎能够理解主题,而不会经常出现,以至于页面读起来像是填充百分比列,从而将其从模糊的担忧变成我可以检查的数字。
3是理解一个陌生的文档,粘贴在长篇报告、成绩单或竞争对手's的文章中,按频率排序,过滤掉虚词,列表顶部是十秒左右对主题的公正总结,是粗略的总结,但又快又诚实。
4个是针对品种的编辑,如果"重要"出现了十一次,其中一些是同义词或删除的候选者,计数不告诉你要更改哪些,而是告诉你要看。
如何使用单词频率计数器?
工作流程很短。将您的文本粘贴到输入框中 字频计数器(ranked) 表格,并立即出现,没有上传步骤,也没有按钮等待基本计数。
从那里,选项塑造你所看到的。决定大小写是否重要。对于大多数您想要大小写折叠的写作,默认值,以便 "数据," "数据," 和 "数据" 计算为一个单词而不是三个。当您希望排名浮出实词而不是语法时,打开停字过滤器。设置最小字长以跳过非常短的令牌。如果列表的尾部较长且无趣,请设置 top-N 限制以将其修剪为值得阅读的单词。
View你想要的时候,复制表格,它复制为标签页分隔行,也就是说它干净地粘贴到电子表格列或文档表中,没有任何重新格式化,我保留了一个小小的跨文章的拐杖字计数电子表格,这样我就可以看到我是否随着时间的推移而提高,标签页分隔导出直接掉入其中。
什么是停顿词?我应该删除它们吗?
Stop words是将句子连在一起但本身几乎不带话题意义的高频虚词:"the,""a,""and,""of,""to,""is,""in,"以及他们众多的同伴,在几乎每一个英文文档中,这些词都主导着一个原始频率列表的顶部,如果不经过过滤就数一千字的文章,前六行或七行都是stop words,而文章实际所涉及的词汇就会埋在它们下面。
是否删除它们完全取决于您的目标当您尝试查看文档的内容时,请打开过滤器,因为剥离语法会使实词保持不变。当您需要对每个令牌进行精确的、未过滤的计数时,例如当您正在研究句子结构、测量真实长度或检查您过度使用特定连接词(例如 "但是 " 或 "更多)。 "
没有单一的官方英文停顿词列表。不同的工具和库运送的集合略有不同,选择是判断调用而不是标准。该工具使用紧凑的、广泛使用的常见英语虚词列表。如果您认为有意义的单词正在被过滤,则表明您的主题与虚词集重叠,并且您应该针对该特定计数关闭过滤器。
收缩、连字符和其他语言如何处理?
Word拆分听起来微不足道,直到你仔细观察,然后它就变成了一个边缘案例的巢穴,什么才算一个单词呢?
Unicode字母和数字上拆分这个工具,它坐在两个字母或数字运行之间时保留一个撇号或连字符,那个单一的规则处理最重要的情况收缩"don't"保持单个单词而不是拆分成"don"和"t"复合"最先进"保持完整,而不是在每个连字符处破碎成四个片段。但用作破折号的杂散连字符,或用作引号的尾随撇号,不会粘在相邻的单词上,因为它的另一侧没有字母。
Unicode感知到的匹配,所以重音和非拉丁文字也起作用。"咖啡馆"算作一个重音完好的单词,使用非拉丁字母的语言的文本在同一个字母和数字规则上被拆分,而不是被丢弃。数字被视为单词,因此"2026"和"42"出现在表中。如果您正在计算数字为噪音的散文,则最小长度选项和快速扫描将让您忽略它们。
什么是关键字密度?该工具如何显示它?
Keyword density是一个单词's占总字数的份额,以百分比来写,如果一个500字的页面使用你的目标关键字10次,它的密度是百分之2,频率计数器在每次计数旁边的百分比列中显示这一点,所以你永远不必自己做除法。
SEO忠告的诚实版本:没有一个魔法密度数字对一个页面进行排名,而且从来没有。搜索引擎在很多年前就停止奖励原始关键字重复,而Google'自己的指导特别警告不要填塞关键字,将术语塞到页面上以操纵排名的做法。真正有用的密度是相反的检查。它确认了一个页面根本提到了它的主题,它标记了你不小心重复了很多次短语以至于人类读者会注意到并且搜索引擎可能将其视为垃圾邮件的页面。我将其用作烟雾探测器,而不是目标。
下表显示了我如何读取频率计数给出的不同信号,具体取决于我想要学习的内容。
| 目标 | 看什么 | 设置这很有帮助 | 坏结果看起来多么糟糕啊 |
|---|---|---|---|
| 抓住拐杖的话 | 内容词的数量惊人地高 | 打开盒子,停止单词 | 一个非正式单词在短曲中出现 10 次以上 |
| 检查关键字密度 | 目标短语的百分比列 | 盒子折叠起来 | 目标低于 0.5%,或单个单词超过 4% 至 5% |
| 总结文档 | 10到15行的前列 | 停止用词,最小长度 3 | 没什么,这就是过滤器的用途 |
| 编辑品种 | 任何内容字数较高的 | 别再说了 | 每个段落都重复相同的形容词 |
| 测量真实长度 | 总字数 | 所有过滤器均已关闭 | 距离目标很远的数 |
字频计数器与纯字计数器
2个工具因为名字重叠而不断混淆,所以值得把差异说清楚 一个单词计数器回答"多少?" 它返回总计:单词,字符,句子,有时阅读时间 当你有一个长度目标,推文限制,或论文最小值时,它是正确的工具 一个单词频率计数器回答"哪些单词,以及多久?" 它返回一个分布,当你关心强调,重复,或密度而不是长度时,它是正确的工具。
他们配对得很好。我通常会通过选秀来进行 词计数器 要确认长度,然后通过频率计数器检查长度是否没有填充相同的三个单词。如果您也使用列表而不是散文,则 行分类器 将重复并排序行,并且 文本差异检查器 将向您准确显示文档的两个版本之间发生了什么变化。如果您的编辑目标是改变单词选择,则 案例转换器 一旦您决定更改什么,请处理重塑标题和标识符的机械部分。
我的短信是私人的吗?
是的。整个分析发生在您使用 JavaScript 的浏览器中。您粘贴的文本永远不会发送到服务器、永远不会记录、永远不会存储。这比听起来更重要,因为最值得分析的文档往往是您最不想上传的文档:未发表的手稿、客户端'的机密报告、内部备忘录、禁运草案。
你不必相信我的话,打开你的浏览器's网络选项卡,在你数数的时候观看它,你会看到没有请求出去。或者完全断开与互联网的连接并继续工作,因为一旦页面加载完毕,该工具就完全不需要连接。这种以浏览器为先的方法是我构建的所有内容背后的相同原则,如果主题对你感兴趣,我会在其中写了更多关于它的内容 使用在线工具提供数据隐私指南。为了更广泛地了解频率计数器适合写作和编辑工作流程的位置, 开发人员生产力工具指南 涵盖了我接触到的大多数工具。
常见问题
什么是词频？
单词频率是每个不同单词出现在一段文本中的次数。 一个单词频率计数器将其报告为排名表，列出每个唯一单词及其计数和整体百分比，因此最常用的单词出现在顶部。
我如何计算一个单词出现的频率？
将文本粘贴到工具中并阅读排名表，其中列出了每个单词及其计数。 要专注于一个单词，请按字母顺序排序或扫描表格。 每次出现都被计算，默认情况下，大小写折叠在一起，因此大写和小写形式一起计数。
什么是停用词，我应该删除它们吗？
停用词是高频函数词，例如，具有很少的话题意义。 删除它们是可选的。 当您希望排名显示文档所关注的内容单词时，打开过滤器；当您需要每个单词的精确、未过滤的计数时，请将其关闭。
计数器是否将大写和小写视为同一个词？
默认情况下，是的。 箱折叠是开启的，所以，，，和，都被计为一个字。 大写时打开区分大小写的模式，例如将专有名词与普通单词使用的相同字母分开计算。
如何处理缩写和连字符的词？
Unicode字母和数字上拆分单词,但保留两个字母或数字运行之间的撇号或连字符。因此don't算作一个单词而不是两个,最先进的保留单个令牌,而不是在每个连字符上被破坏。
什么是关键字密度，这个工具如何显示它？
Keyword density是一个单词's占总字数的份额,以百分比表示,工具在每个计数旁边的百分比列中显示,因此可以检查一个目标短语是否经常出现,足以相关,而不会重复到关键词填充的地步。
我可以分析多少文本有限制吗？
没有固定的尺寸限制。 因为分析在您的浏览器而不是服务器上运行，因此您仅受设备内存的约束，因此完整的文章和书长的手稿在没有上传上限的情况下被处理。
我的文字是否上传到任何地方？
不 。 文本由在浏览器中运行的 JavaScript 进行分析，并且不会传输、记录或存储。 您可以通过在计数时查看网络选项卡或断开互联网连接来确认此工具，该工具将继续脱机工作。
由[toolz。dev]的构建者Liton编写(/。我制作基于浏览器的开发者工具,并写下构建它们的工艺。
