ఉచిత పద ఫ్రీక్వెన్సీ కౌంటర్

ఇది ఎలా పనిచేస్తుంది

వర్డ్ ఫ్రీక్వెన్సీ విశ్లేషణ చేతితో రాసిన టోకనైజర్ మరియు JavaScript Map ఉపయోగించి మీ బ్రౌజర్‌లో పూర్తిగా జరుగుతుంది — లైబ్రరీ లేదు, సర్వర్ లేదు. మీరు టైప్ చేసిన లేదా పేస్ట్ చేసిన వెంటనే టెక్స్ట్ స్థానికంగా పార్స్, కౌంట్ మరియు ర్యాంక్ చేయబడుతుంది.

1. 1
   Unicode-అవగాహన టోకనైజేషన్

   టూల్ మీ టెక్స్ట్‌ను లోయర్‌కేస్ చేసి, యూనికోడ్ ప్రాపర్టీ regex \p{L}\p{M} తో టోకెన్లను వెలికితీస్తుంది — ఇది యాక్సెంటెడ్ అక్షరాలు మరియు నాన్-లాటిన్ లిపులను సరిగ్గా నిర్వహిస్తుంది. CJK టెక్స్ట్ (చైనీస్, జపనీస్, కొరియన్) కోసం, స్పేస్‌లు లేని క్యారెక్టర్లను విభజించడానికి ఇది granularity: 'word' తో బ్రౌజర్ యొక్క అంతర్నిర్మిత Intl.Segmenter APIకి మారుతుంది.
2. 2
   స్టాప్-వర్డ్ మరియు లెంగ్త్ ఫిల్టరింగ్

   ఐచ్ఛిక ఫిల్టరింగ్ మీ సైట్ లొకేల్‌కు సరిపోలిన హార్డ్‌కోడెడ్ Set ఉపయోగించి సాధారణ ఫంక్షన్ పదాలను (the, a, is, మరియు స్పానిష్, ఫ్రెంచ్, జర్మన్, ఇటాలియన్, పోర్చుగీస్‌లలో సమానమైనవి) తీసివేస్తుంది. కనీస-పొడవు స్లయిడర్ కౌంటింగ్ మొదలయ్యేముందు మీరు ఎంచుకున్న థ్రెషోల్డ్ కంటే తక్కువ ఉన్న టోకెన్లను తీసివేస్తుంది.
3. 3
   Map-ఆధారిత ఫ్రీక్వెన్సీ కౌంటింగ్ మరియు n-గ్రామ్ మోడ్

   టోకెన్లు JavaScript Mapలో లెక్కించబడతాయి — 'constructor' వంటి రిజర్వ్డ్ ప్రాపర్టీ పేర్లు లెక్కించిన పదాలతో ఢీకొనకుండా ఉండటానికి ఇది ప్రత్యేకంగా ఎంచుకోబడింది. బైగ్రామ్ లేదా ట్రైగ్రామ్ మోడ్‌లో, టోకనైజర్ రా టోకెన్ స్ట్రీమ్‌పై ఒక విండోను స్లైడ్ చేసి, లెక్కించడానికి ముందు ప్రక్కనున్న పదాలను పదబంధాలుగా జోడిస్తుంది.
4. 4
   ర్యాంక్ చేసిన ఫలితాలు మరియు CSV ఎగుమతి

   ఫలితాలు తగ్గుతున్న క్రమంలో సార్ట్ చేయబడి ర్యాంక్ చేసిన బార్ చార్ట్‌గా చూపబడతాయి. ఎగుమతి బ్రౌజర్ యొక్క Blob APIని ఉపయోగించి మెమరీలో ప్లెయిన్-టెక్స్ట్ CSV blobను నిర్మించి డౌన్‌లోడ్‌ను ప్రారంభిస్తుంది — ఏ సమయంలోనూ సర్వర్‌కు ఏమీ పంపబడదు.

సంబంధిత సాధనాలు