免费词频统计器

操作示例

点击空的“待分析文本”框上方的“试用示例”。它会加载一段关于狐狸和狗的 186 个字符的段落，统计显示 37 个“总词数”、18 个“不重复词数”和 186 个“字符”。在“单词”标签页上，标题为“前 18 个单词”的表格中，fox 以 4 次（16.0%）排第一，然后是 dog 3 次（12.0%），再是 quick 和 lazy 各 2 次（8.0%）。“the”和“a”之类的虚词不见了，因为“排除停用词”已勾选，所以表格下的说明写着“百分比是过滤后统计的 25 项的占比。”把“最小次数”设为 2，就只剩这四行。然后点击“2 词短语”：“最小次数”仍为 2，剩下“lazy dog”和“the fox”，各 2 次（5.6%），说明现在统计的是 36 项。

使用哪些设置，以及限制

• 加载文档或粘贴文本。 “加载文本文件”按钮可打开 .txt、.md、.csv、.log、.docx 和 .pdf 文件，并替换框中的内容。页面写着“文件在你的设备上读取。”文件不会上传；第一次读取 PDF 或 Word 文件时，只会从本站加载一个读取组件。PDF 读取的是其文本层，最多读取前 400 页，所以没有文本的扫描 PDF 会失败。.docx 作为纯文本读取。处理期间，按钮显示“正在读取文件…”。
• 在单词和短语之间切换。 “单词”“2 词短语”和“3 词短语”标签页会改变统计对象。短语由原始词流构成，所以“排除停用词”和“最小长度”是灰色的，不会应用，并且短语可能跨越句号或换行：示例中会出现“lazy dog the”。“最小次数”“排序”和“显示前”仍然有效。忽略列表中的词会移除所有包含它的短语。
• 选择停用词的语言。 默认会使用“页面语言”的列表移除停用词，在此页面上显示为“页面语言（英语）”。英语列表有 99 个词。内置了十七种列表：英语、西班牙语、法语、德语、意大利语、葡萄牙语、土耳其语、俄语、乌克兰语、波斯语、阿拉伯语、日语、波兰语、荷兰语、印度尼西亚语、越南语和印地语。对于德语文本，请在“停用词语言”菜单中选择德语，否则德语的虚词会留在表格中。“（无）”会关闭过滤。在“同时忽略这些词”中添加你自己的词，用逗号、分号、空格或换行分隔。
• 用最小长度、最小次数和显示前几项来调整表格。 “最小长度”范围为 1 到 5 个字符，默认为 2 个字符，所以单个字母会被丢弃；设为 4 个字符还会丢掉示例中的“fox”“dog”和“ran”。“最小次数”提供 1、2、3、5 和 10，“显示前”提供 10、20、50 和 100。“排序”为“按次数”或“按字母顺序”。“筛选结果…”会把行缩小到包含你所输入内容的单词。不重复词的总数和百分比是在“最小次数”和“显示前”之前计算的，所以这些设置不会改变它们。
• 决定什么算一个单词。 单词是连续的字母、数字和连字符，所以“well-known”算一个词。“保留单词内的撇号（don't = 1 个词）”默认勾选；取消勾选后，“don't”会变成“don”和“t”。“统计数字”默认勾选；取消勾选会丢弃仅由数字构成的词元，如 2024，同时保留“3D”。“区分大小写”默认关闭，所以“Fox”和“fox”是同一个词；勾选后它们就分开了，不过停用词仍然不论大小写都会匹配。中文、日文、韩文、泰文、老挝文、高棉文和缅甸文的文本，如果浏览器有分词器，就用它来切分。
• 导出完整列表，而不只是可见的行。 “导出 CSV”会保存 word-frequency.csv，包含“单词”“次数”和“百分比”列，涵盖通过你的筛选条件和“最小次数”的每一行，即使“显示前”把它隐藏了，并且它在 Excel 中可用正确的编码打开。以 =、+ 或 @ 开头的单词会在前面加一个撇号，以免电子表格把它当作公式运行。“复制前 18 项”和“复制全部 18 项”会复制以制表符分隔的行，可粘贴到表格中。“图表 (PNG)”保存 word-frequency.png，这是所显示行中最多 25 行的条形图。

常见问题及解决方法

提示“无法读取该文件。请选择包含可选中文字的文本、Word (.docx) 或 PDF 文件。”

一条消息涵盖四种情况：文件不含可读文本（扫描的 PDF 或空白文档）、它是二进制文件、PDF 读取器失败，或者 Word 读取器在损坏的 .docx 上失败。需要密码才能打开的 PDF 无法读取，因为没有密码输入框。较旧的手机浏览器（包括三星浏览器）会使用兼容版本的 PDF 读取器。如果 PDF 仍然失败，请复制其文本并粘贴到框中。

提示“report.doc 是 DOC 文件，此工具无法打开。”（显示你自己的文件名和格式）。

文件开头已被识别，其类型不是此工具接受的类型。旧的 Word .doc 文件、电子表格、演示文稿和图片在读取任何内容之前就会这样被拒绝。请在 Word 或其他编辑器中打开该文件，另存为 .docx、PDF 或纯文本，然后重新加载。当本站的其他工具能打开该类型时，消息旁边可能出现形如“请改用……”的链接。

“总词数”是 37，但表格下的说明写着“百分比是过滤后统计的 25 项的占比。”

“总词数”统计文本中的每一个词。百分比只使用应用“排除停用词”“最小长度”和“同时忽略这些词”之后剩下的项目（示例中 37 个里的 25 个），且在“最小次数”和“显示前”之前。在短语标签页上，基数是短语的数量，37 个词的示例为 36。若要统计全部，请取消勾选“排除停用词”，并把“最小长度”设为 1。

表格中缺少“the”这样的常用词，或“fox”这样的短词。

有三个过滤器会隐藏词。“排除停用词”默认勾选，会移除所选语言的列表，其中包括“the”“and”“with”和“not”。“最小长度”默认是 2 个字符，设得更高会隐藏短词。输入到“同时忽略这些词”中的词也会被移除。取消勾选停用词框，把“最小长度”设为 1，“最小次数”设为 1，即可看到每个词；对于非英语文本，请选择正确的停用词语言。

提示“没有符合筛选条件的结果。”

“筛选结果…”框只显示包含你所输入内容的单词，不分大小写，并且搜索的是整个列表，而不仅是可见的行。这条消息表示没有任何单词包含该文字，所以请清空输入框或检查拼写；“fox”也会找到“foxes”。如果“总词数”大于零，却完全没有表格出现，说明选项已经移除了所有词：请降低“最小次数”或取消勾选“排除停用词”。

对比分析

普通的字数统计器给出单词和字符的总数；此工具则对每个不同的单词或短词组出现的频率进行排名。它统计的是精确形式，所以“dog”和“dogs”，或“fox”和“foxes”是不同的行，因为它不会把单词还原为词干。停用词列表是 17 种语言的简短固定列表，而不是完整的词典，所以在得出结论之前，请先看看排名靠前的行。它一次处理一段文本，统计最多 3 个词的短语，屏幕上最多显示 100 行，不过导出的文件包含每一行。对于大量文本的集合，电子表格的数据透视表或文本分析程序能做更多。作为交换，无需安装任何东西，你的文件在设备上读取。