當我第一次透過詞頻計數器運行自己的部落格文章時,我感覺有點暴露。我用過這個詞"基本上&引用;在一篇 1,200 字的文章中使用了十四次。不&引用;偶爾&引用;十四遍。十四。我的眼睛在寫作時遮住了每一個字,因為這正是拐杖詞的作用:它們隱藏在眾目睽睽之下。頻率計數並不關心你的意圖。它只是很重要,螢幕上的數字讓你敢於爭論。
我在[toolz。dev] 建立工具(/,我一周的大部分時間都在寫作:WordPress 外掛程式的文件、行銷副本、Laravel 教學、發布說明。Word 頻率分析已經悄悄成為我在任何事情發生之前運行的檢查之一。這是一段三十秒的段落,捕捉到了我的大腦拒絕看到的重複,證實了頁面實際上提到了它聲稱的主題,並且偶爾使我免於發布讀起來像是由三個不同的草稿組裝而成的內容。這本指南是我學到的關於計算單字的所有知識。
TL;DR: 詞頻計數器將文字分成單字並報告每個單字出現的次數,從最常見到最不常見。用它來捕捉過度使用的拐杖詞,檢查關鍵字密度以進行 SEO,並了解文件實際強調的內容。折疊案例如此&引用;&引用;和&引用;the"一起計數,打開停用詞過濾器以隱藏諸如"the"和"和,"並閱讀百分比列以查看每個單字'的文字份額 字頻計數器 完全在瀏覽器中運行,因此您貼上的任何內容都不會上傳。
什麼是詞頻計數器?
詞頻計數器讀取一個文字區塊,將其分解為單字 - 一個步驟 Unicode 標準附件#29 指定比 " 仔細得多;分割空格和引用;建議 - 並告訴您每個不同的單字出現了多少次。輸出是一個排名表:每個唯一的單字、它的計數,通常還有它佔整個文件的百分比。最常出現的單字位於頂部。
這是一個與簡單單字計數器答案不同的問題。 A 字計數器 告訴你一個文檔有847個字。頻率計數器告訴你其中 31 個字是 " & 引用; 12 是 "數據,&引用; 9 是 "然而。&引用;總數是一個關於長度的數字。頻率表是一個關於重點的分佈。長度告訴您是否達到了作業目標。分佈告訴您寫作的實際內容以及重複的內容。
這個概念很古老,研究也很好。一個多世紀以來,語言學家一直在測量單字頻率,並且出現的模式在各種語言中非常一致:單字數量很少,佔任何文本的很大一部分,此後頻率急劇下降。這是 Zipf'定律,最常見的單字出現的頻率往往是第二常見單字的兩倍,是第三常見單字的三倍,依此類推。當您按頻率對文件進行排序時,您會在自己的寫作中看到這種形狀。清單的頂部主要是短功能詞,有趣的內容詞緊隨其後。
為什麼我要計算詞頻?
我出於四個不同的原因進行頻率分析,在閱讀表格之前了解您正在追逐哪一個會有所幫助。
第一個是捕捉重複。每個作家都有拐杖的話,他們靠在上面而沒有註意到。我的是"基本上," "實際上,"和"只是。"你的可能是"真的," "very,"或您愛上的特定技術術語。重複從內部是看不見的,因為您在單獨的時刻編寫了每個實例,但從未看到它們堆疊起來。頻率計數將它們堆疊起來。
第二個是搜尋的關鍵字密度。當我寫一個針對特定短語的頁面時,我想確認該短語及其密切變體出現的頻率足以使搜尋引擎理解該主題,而不會出現頻率以至於頁面讀起來像填充一樣。百分比列將其從模糊的擔憂變成我可以檢查的數字。
第三是理解一個陌生的文件。貼上長報告、成績單或競爭對手'文章按頻率排序,過濾掉功能詞,列表的頂部是大約十秒內主題的公正總結。這是一個粗略的總結,但快速而誠實。
第四是編輯多樣性。如果&引用;重要&引用;出現了十一次,其中一些是同義詞或刪除的候選者。計數不會告訴您要更改哪些,但它會告訴您查看。
如何使用字頻率計數器?
工作流程很短。將文字貼到輸入框中 字頻計數器,排名表立即出現。沒有上傳步驟,也沒有等待基本計數的按鈕。
從那裡開始,選項塑造了您所看到的內容。決定案例是否重要。對於大多數寫作,您希望將案例折疊起來,預設情況下,因此 "數據,&引用; &引用;數據,&引用;和&引用;數據&引用;算一個字而不是三個。當您希望排名顯示內容詞而不是語法時,請開啟停用詞過濾器。設定最小字長以跳過非常短的標記。如果清單的尾部很長且無趣,請設定一個 top-N 限制以將其修剪為值得閱讀的單字。
當您擁有所需的視圖時,複製該表。它複製為選項卡分隔的行,這意味著它可以乾淨地貼上到電子表格列或文件表中,無需任何重新格式化。我在文章中保留了一個包含拐杖字計數的小電子表格,這樣我就可以看到我是否隨著時間的推移而改進,並且選項卡分隔的導出直接進入其中。
什麼是停頓詞,我應該刪除它們嗎?
停止詞是將句子固定在一起但本身幾乎沒有主題含義的高頻函數詞:"the," "a," "和," " " " " "是," "在幾乎每份英文文件中,這些單字都佔據原始頻率清單的頂部。如果你數一千字的文章而不過濾,前六行或七行將是停詞,而文章實際上涉及的單字將被埋在它們下面。
是否刪除它們完全取決於您的目標。當您嘗試查看文件的內容時,請打開過濾器,因為刪除語法會保留實詞。當您需要對每個令牌進行精確的、未經過濾的計數時,例如當您正在研究句子結構、測量真實長度或檢查過度使用特定連接詞(例如 "然而"或"更多。"
沒有單一的官方英語塞音列表。不同的工具和庫提供的集合略有不同,選擇是判斷呼叫而不是標準。該工具使用緊湊、廣泛使用的常見英語功能詞列表。如果您認為有意義的單字正在被過濾,則表示您的主題與功能詞集重疊,並且您應該關閉該特定計數的過濾器。
如何處理縮寫、連字號和其他語言?
分詞聽起來很瑣碎,直到你仔細觀察,然後它就變成了一堆邊緣案例。什麼算一個字?
該工具在 Unicode 字母和數字上分開,當它位於兩個字母或數字之間時,它會保留撇號或連字符。該單一規則處理最重要的情況。縮寫"don't"保留一個單詞,而不是分成"don"和"t。"複合"最先進的"保持完整,而不是在每個連字符處破碎成四個片段。但用作破折號的雜散連字符或用作引號的尾隨撇號不會粘在相鄰單詞上,因為它的另一側沒有字母。
因為匹配是 Unicode 感知的,所以重音和非拉丁腳本也有效。 &引用;咖啡館&引用;算作一個重音完整的單詞,使用非拉丁字母的語言的文本按照相同的字母和數字規則進行分割而不是被刪除。數字被視為單詞,所以"2026&引用;和"42&引用;出現在表中。如果您正在計算數字為噪音的散文,最小長度選項和快速掃描將讓您忽略它們。
關鍵字密度是多少?這個工具如何顯示它?
關鍵字密度是一個字'佔總字數的份額,以百分比形式寫成。如果 500 字的頁面使用目標關鍵字 10 次,則其密度為 2%。頻率計數器會在每次計數旁邊的百分比列中顯示此內容,因此您永遠不必自己進行除法。
這是 SEO 建議的誠實版本:沒有神奇的密度數字對頁面進行排名,而且從來沒有。搜尋引擎多年前就停止獎勵原始關鍵字重複,Google'自己的指南特別警告不要填充關鍵字,即將術語塞進頁面上以操縱排名的做法。真正有用的是相反的檢查。它確認頁面根本沒有提到它的主題,並且它標記了您不小心重複了一個短語多次以至於人類讀者會注意到並且搜尋引擎可能會將其視為垃圾郵件的頁面。我將其用作煙霧探測器,而不是目標。
下表顯示了我如何讀取頻率計數給出的不同訊號,具體取決於我想要學習的內容。
| 目標 | 看什麼 | 設定這很有幫助 | 看起來多麼糟糕的結果 |
|---|---|---|---|
| 抓住拐杖的話 | 內容詞的數量驚人地高 | 案件折疊起來,停止言語 | 一個非正式單字在一小段中出現 10 次以上 |
| 檢查關鍵字密度 | 目標短語的百分比列 | 錶殼折疊 | 目標低於 0.5%,或單一單字超過 4% 至 5% |
| 總結一份文件 | 前 10 至 15 行 | 停止單詞,最小長度 3 | 沒什麼,這就是過濾器的用途 |
| 編輯多樣性 | 任何內容字數都很高 | 別說了 | 每個段落都重複相同的形容詞 |
| 測量真實長度 | 總字數 | 所有過濾器關閉 | 數數遠離你的目標 |
詞頻計數器與普通詞計數器
這兩個工具經常因為名稱重疊而變得混亂,因此值得清楚地說明差異。單字計數器回答和引用;多少?&引用;它返回的總數:單字、字元、句子,有時是閱讀時間。當您有長度目標、推文限製或論文最小值時,它是正確的工具。詞頻計數器答案和引用;哪些單字以及多久一次?&引用;它返回一個分佈,當您關心強調、重複或密度而不是長度時,它是正確的工具。
他們配對得很好。我通常會透過草稿 字計數器 要確認長度,請透過頻率計數器檢查長度是否填充了相同的三個單字。如果您也使用列表而不是散文,則 行排序器 將重複資料刪除並排序行,並且 文字差異檢查器 將向您準確顯示文件的兩個版本之間的變化。如果您的編輯目標是改變單字選擇,則 案例轉換器 一旦您決定要更改什麼,就處理重塑標題和標識符的機械部分。
我的簡訊是私人的嗎?
是的。整個分析是在您的瀏覽器中使用 JavaScript 進行的。您貼上過的文字永遠不會發送到伺服器,永遠不會記錄,永遠不會儲存。這比聽起來更重要,因為最值得分析的文件通常是您最不想上傳的文件:未發表的手稿、客戶端'機密報告、內部備忘錄、禁運草案。
你不必相信我的話。打開你的瀏覽器' s 網路選項卡,在你數數時觀看它,你會發現沒有請求被發出。或完全斷開與互聯網的連接並繼續工作,因為一旦頁面加載,該工具根本不需要連接。這種瀏覽器優先的方法是我建立的所有內容背後的相同原則,如果這個主題對你感興趣,我會在其中寫更多關於它的內容 使用線上工具的資料隱私指南。 為了更全面地了解頻率計數器在寫入和編輯工作流程中的位置, 開發人員生產力工具指南 涵蓋了我接觸到的大多數工具。
常見問題
什麼是字頻？
字頻是每個不同字出現在一段文字中的次數。 一個字的頻率計數器將其報告為排名表，列出每個唯一的單字及其計數，通常其百分比，因此最常用的單字出現在頂部。
我如何計算一個字出現的頻率？
將您的文字貼到工具中並讀取排名表，該表列出每個單字及其計數。 要專注於一個單字，請按字母順序排序或掃描表格。 每次出現都會計算，並且預設情況下會折疊，因此大寫和小寫形式一起計數。
什麼是停用詞，我應該刪除它們嗎？
停用詞是高頻功能詞，例如，和，，到，並且是幾乎沒有主題意義的詞。 刪除它們是可選的。 當您希望排名浮出文件的內容單字時，請打開過濾器；當您需要精確、未經過濾的每個單字計數時，請將其關閉。
計數器是否將大寫和小寫視為同一個字？
預設，是的。 案例折疊是開啟的，所以，，和，和被算為一個字。 當大寫很重要時，請開啟區分大小寫模式，例如將專有名詞與用作普通詞的相同字母分開計算。
縮寫和連字符如何處理？
單字在 Unicode 字母和數字上分開,但保留兩個字母或數字之間的撇號或連字符。所以 don't 算一個單字而不是兩個,最先進的標記保持單一標記,而不是在每個連字符處被破解。
什麼是關鍵字密度，這個工具如何顯示它？
關鍵字密度是一個字'佔總字數的份額,以百分比表示。該工具將其顯示在每次計數旁邊的百分比列中,因此您可以檢查目標短語是否經常出現以足夠相關,而無需重複到關鍵字填充的點。
我可以分析多少文字有限制嗎？
沒有固定的尺寸限制。 因為分析在您的瀏覽器而不是伺服器上運行，因此您僅受裝置記憶體的約束，因此完整的文章和書本長度的手稿在沒有上傳上限的情況下處理。
我的文字上傳到任何地方嗎？
不 。 文字由在您的瀏覽器中運行的 JavaScript 分析，從不傳輸、記錄或儲存。 您可以在計數時透過觀看網路標籤來確認這一點，或透過斷開網路來確認這一點，該工具會繼續離線工作。
由 [toolz。dev] 的建構者 Liton 撰寫(/。 我製作基於瀏覽器的開發工具並撰寫有關建構它們的工藝的文章。
