Textstatistiken

Textstatistik verwandelt einen Prosa-Block in zehn lebendige Zahlen plus zwei Häufigkeitsdiagramme. Es meldet Zeichen mit und ohne Leerzeichen, Wörter, eindeutige Wörter, Sätze, Absätze, Zeilen, durchschnittliche Wortlänge, das längste Wort, Lesezeit, Sprechzeit, eine Top-10-Worthäufigkeitsliste und eine Buchstabenverteilung. Autoren nutzen es, um Längenvorgaben zu treffen, Redakteure, um Wiederholungen zu erkennen, und Sprecher, um ein Skript zu timen. Jede Berechnung läuft im Browser, ein unveröffentlichter Entwurf verlässt die Seite also nie.

Wie die zehn Messwerte berechnet werden

Wörter werden mit dem Unicode-Muster für Folgen von Buchstaben und Zahlen erfasst. Zeichen verwenden die rohe Stringlänge, und der Wert ohne Leerzeichen entfernt zuvor sämtlichen Leerraum. Zeilen werden nach der Normalisierung von Windows- und Mac-Zeilenenden gezählt, während Absätze durch Leerzeilen getrennt werden und leere Absätze verworfen werden. Sätze entstehen aus Schlusszeichen, auf die Leerraum oder das Textende folgt; gibt es Inhalt, aber kein Schlusszeichen, meldet das Tool einen Satz. Eindeutige Wörter werden kleingeschrieben und dedupliziert, die Lesezeit ist die Wortzahl geteilt durch 238 und die Sprechzeit die Wortzahl geteilt durch 130, beide auf eine Nachkommastelle gerundet.

Die letzten beiden Panels sind Häufigkeitsansichten. Das Top-Wörter-Diagramm schreibt jedes Token klein, zählt es und listet die zehn häufigsten. Das Zeichenverteilungs-Diagramm behält nur Buchstaben, schreibt sie klein und sortiert das Ergebnis alphabetisch. Die Eingabe wird um eine halbe Sekunde entprellt, die Statistiken aktualisieren sich also kurz nachdem Sie aufhören zu tippen, nicht bei jedem Tastendruck.

Praxisbeispiel: Ein kurzer Absatz

Fügen Sie diesen Satz ein:

The quick brown fox. It jumps! Do you see it?

Der Analysator liefert 45 Zeichen, 36 ohne Leerzeichen, 10 Wörter, 9 eindeutige Wörter, 3 Sätze, 1 Absatz und 1 Zeile. Die durchschnittliche Wortlänge ist 3,3 und das längste Wort ist quick mit fünf Zeichen. Die Lesezeit rundet auf 0,0 Minuten und die Sprechzeit auf 0,1 Minuten. Die Top-Wörter-Liste setzt the und it je auf zwei und die übrigen acht Wörter je auf eins.

Um einen längeren Text zu planen, nutzen Sie die Ratentabelle:

Wörter	Lesen (238 wpm)	Sprechen (130 wpm)
50	0,2 min	0,4 min
238	1,0 min	1,8 min
500	2,1 min	3,8 min
1.000	4,2 min	7,7 min

Wo die Zählregeln überraschen

Drei Fälle bringen Leute ins Stolpern. Erstens sind Apostrophe und Bindestriche Trennzeichen, Kontraktionen und zusammengesetzte Adjektive erhöhen die Zahl also. Zweitens sind Zahlen Wörter, was bedeutet, dass Zahlentabellen die Tokenzahl dominieren können. Drittens sind sichtbare Zeichen keine Wörter: Eine Zeile mit zehn Emojis meldet zehn Zeichen (oder zwanzig, da viele Emojis zwei UTF-16-Codeeinheiten verwenden), aber null Wörter, null Sätze und keine Einträge in der Buchstabenverteilung.

Auch die Satzerkennung ist mechanisch. Eine Dezimalzahl wie 3.14 beendet keinen Satz, weil auf den Punkt eine Ziffer folgt, eine Abkürzung mit folgendem Leerzeichen dagegen schon. Aus einzelnen Punkten gebildete Auslassungspunkte erzeugen im Allgemeinen keine zusätzlichen Sätze, da nur das letzte Zeichen Leerraum oder das Stringende berührt.

Absatz- und Zeilenzahlen beantworten unterschiedliche Fragen. Eine Zeile ist alles zwischen zwei Zeilenumbruchzeichen, eine Aufzählung mit acht Einträgen meldet also acht Zeilen. Ein Absatz ist ein durch mindestens eine Leerzeile getrennter Block, dieselben acht Aufzählungspunkte zählen also als ein einzelner Absatz, wenn keine Leerzeile sie trennt. Fügen Sie eine leere Zeichenkette ein, lesen alle Zähler null. Fügen Sie einen einzelnen Buchstaben ein, erhalten Sie ein Zeichen, eine Zeile, einen Absatz, null Wörter und eine Lesezeit von null Minuten. Wenn die Zeichen hoch, die Wörter aber niedrig sind, besteht der Text wahrscheinlich aus Zahlen, Symbolen oder Emojis statt aus Prosa.

Überarbeitungssignale in der Häufigkeitstabelle

Rohzahlen beantworten „wie lang“, die Verhältnisse aber beantworten „wie geschrieben“. Wenn eindeutige Wörter nur ein kleiner Bruchteil der Gesamtwörter sind, wiederholt sich der Text. Wenn just, very, really oder actually die Top Ten füllen, sind das Füllwort-Kandidaten. Teilt man Wörter durch Sätze, erhält man die durchschnittliche Satzlänge; lange Durchschnitte signalisieren oft Sätze, die man teilen sollte. Keine dieser Zahlen ist ein zu maximierender Wert — sie sind Hinweise, die Sie auf bestimmte Absätze zum erneuten Lesen zeigen. Sie sind beschreibend, nicht vorschreibend: Eine hohe Quote eindeutiger Wörter kann entweder reichen Wortschatz oder eine lange Liste von Eigennamen bedeuten, lesen Sie also die tatsächlichen Wörter in der Häufigkeitstabelle, bevor Sie auf ein Verhältnis reagieren.

Grenzen, die man im Blick behalten sollte

Der Analysator misst die Form, nicht die Qualität. Er kann ein straffes Argument nicht von einem aufgeblähten unterscheiden und versteht keine Grammatik, zählt also einen Unsinnsstring bereitwillig als Wörter. Zeichenzahlen verwenden UTF-16-Codeeinheiten, was bedeutet, dass Zeichen der astralen Ebene wie viele Emojis als zwei registriert werden. Sehr große Einfügungen können die Aktualisierung verzögern, und die Lesezeitschätzung setzt gleichmäßige Textschwierigkeit und keine Diagramme, Code oder Fußnoten voraus. Betrachten Sie jede Zahl als Messung des eingegebenen Strings, nicht als Messung dessen, wie lange ein echter Leser mit dem fertigen Werk verbringt. Für alles über ein paar tausend Wörter dient ein dedizierter Editor mit Dokumentgliederung besser als ein Live-Zähler.

Verwandte Tools

• Wortzähler
• Readability Checker
• Silbenzähler