Gratis Ordfrekvenstæller

Sådan fungerer det

Ordfrekvensanalysen kører udelukkende i din browser med en håndskrevet tokenizer og et JavaScript-Map — intet bibliotek, ingen server. Teksten fortolkes, tælles og rangeres lokalt i det øjeblik, du skriver eller indsætter den.

1. 1
   Unicode-bevidst tokenisering

   Værktøjet gør din tekst til små bogstaver og udtrækker derefter tokens med Unicode-egenskabsregex'et \p{L}\p{M} — som korrekt håndterer bogstaver med accent og ikke-latinske skrifter. For CJK-tekst (kinesisk, japansk, koreansk) skifter det til browserens indbyggede Intl.Segmenter API med granularity: 'word' for at opdele tegn, der ikke har mellemrum imellem sig.
2. 2
   Filtrering af stopord og længde

   Valgfri filtrering fjerner almindelige funktionsord (the, a, is og tilsvarende på spansk, fransk, tysk, italiensk og portugisisk) med et fast Set, der matches til sitets sprog. En skyder for minimumslængde fjerner tokens, der er kortere end din valgte grænse, før optællingen begynder.
3. 3
   Frekvensoptælling med Map og n-gram-tilstand

   Tokens tælles i et JavaScript-Map — valgt netop fordi reserverede egenskabsnavne som 'constructor' så ikke kan kollidere med talte ord. I bigram- eller trigram-tilstand lader tokenizeren et vindue glide hen over den rå tokenstrøm og sammenføjer tilstødende ord til fraser før optællingen.
4. 4
   Rangerede resultater og CSV-eksport

   Resultaterne sorteres efter antal i faldende rækkefølge og vises som et rangeret søjlediagram. Eksporten bygger en CSV-blob i hukommelsen med browserens Blob API og starter en download — intet sendes til en server på noget tidspunkt.

Relaterede værktøjer