文本统计

文本统计把一个文本块变成十项实时数字加两张频率图。它报告含空格与不含空格的字符数、词数、去重词数、句子数、段落数、行数、平均词长、最长词、阅读时间、朗读时间、词频前十榜单和字母分布。写作者用它控制篇幅，编辑用它发现重复，演讲者用它给讲稿掐时间。所有计算都在浏览器中完成，未发布的草稿不会离开页面。

十项指标如何计算

词用 Unicode 的「字母和数字连续序列」模式匹配。字符数取原始字符串长度，「不含空格」则先剥去全部空白。行数在归一化 Windows 和 Mac 换行符后统计；段落以空行分隔，空段落被丢弃。句子来自后面紧跟空白或位于文本末尾的句末标点；如果只有内容而没有句末标点，工具报告一句。去重词先转小写再去重，阅读时间是词数除以 238，朗读时间是词数除以 130，两者都保留一位小数。

最后两个面板是频率视图。词频榜把每个词元转小写、计数，列出最常见的前十个。字符分布图只保留字母、转小写，并按字母顺序排序。输入有半秒防抖，所以统计是在你停止输入后稍作停顿才更新，而不是每次按键都算。

实操示例：一段短文

粘贴这句话：

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

分析器返回 45 个字符、不含空格 36 个、10 个词、9 个去重词、3 句、1 段、1 行。平均词长是 3.3，最长词是 quick，5 个字符。阅读时间舍入为 0.0 分钟，朗读时间为 0.1 分钟。词频榜上 the 和 it 各出现两次，其余八个词各一次。

要规划更长的内容，可以参考速率表：

词数	阅读（238 词/分）	朗读（130 词/分）
50	0.2 分	0.4 分
238	1.0 分	1.8 分
500	2.1 分	3.8 分
1,000	4.2 分	7.7 分

计数规则的反直觉之处

有三种情况容易让人意外。第一，撇号和连字符是分隔符，所以缩写和复合形容词会抬高计数。第二，数字算词，这意味着大段数字表格可能主导词元总数。第三，可视字符不是词：一行十个 emoji 报告十个字符（也可能是二十个，因为许多 emoji 占两个 UTF-16 码元），但词数为零，更新计数后句子数也为零，字母分布里没有条目。

句子识别同样是机械的。像 3.14 这样的小数不会结束句子，因为句号后面是数字；但后面跟空格的缩写会。由多个独立句号组成的省略号一般不增加句子，因为只有最后一个点紧邻空白或字符串末尾。

段落数和行数回答的是不同问题。一行是两个换行符之间的任意内容，所以一份八个要点的项目符号列表报告八行。段落是由至少一个空行分隔的块，因此同样的八条要点如果没有空行分隔，只算一段。粘贴空字符串，所有计数都为零。粘贴一个字母，你会得到一个字符、一行、一段、零个词和零分钟的阅读时间。当字符很多而词很少时，内容多半是数字、符号或 emoji，而不是散文。

词频表里的修订信号

原始计数回答「有多长」，比例回答「写得怎么样」。如果去重词只占全部词的一小部分，说明行文在自我重复。如果 just、very、really、actually 挤进前十，它们就是口水词的候选。用词数除以句子数得到平均句长；平均值偏高通常意味着有些句子值得拆分。这些数字都不是要冲高的分数——它们只是提示，把你指向需要重读的具体段落。它们是描述性的，不是规定性的：高词型比既可能意味着词汇丰富，也可能只是一长串专有名词，所以在依据任何比例行动前，先读一读词频表里的实际词。

需要记住的局限

分析器衡量的是形式，不是质量。它分不清严谨的论证和注水的论证，也不理解语法，所以会把一串无意义的字符照样算成词。字符计数使用 UTF-16 码元，因此许多 emoji 这类辅助平面字符会被记成两个。超大粘贴可能让更新出现卡顿，阅读时间估算也假定文本难度均匀，且没有图表、代码或脚注。请把每个数字理解为对输入字符串的测量，而不是真实读者读完作品会花多久。超过几千词的内容，用带文档大纲的专门编辑器会比实时计数器更合适。

相关工具

• 字数统计器
• 可读性检查器
• 音节计数器