Comment les mots sont comptés, et ce que signifie la part
Un mot est ce que trouve le segmenteur de mots du navigateur pour la langue choisie (Unicode UAX #29, avec un dictionnaire pour le chinois, le japonais et le thaï). Les mots composés avec trait d’union et les élisions comme don’t restent un seul mot, et les nombres comptent comme des mots sauf si vous décochez Compter les nombres. Avec Ignorer la casse activé, Le et le forment une seule entrée, mise en minuscules selon les règles de la langue du texte. En turc, İstanbul et ISTANBUL deviennent deux mots différents, istanbul et ıstanbul, car le I majuscule devient le ı sans point.
En japonais, 東京都に住んでいます。東京は大きい。 donne 東京 deux fois et 都, に, 住, んで, い, ます, は et 大きい une fois chacun ; un compteur qui ne coupe qu’aux espaces compte toute la phrase comme un seul mot. Le dictionnaire découpe aussi les terminaisons verbales (住んでいます donne quatre morceaux), si bien que le haut d’une liste japonaise est souvent occupé par des particules comme に et は, que Écarter les mots courants masque. Lors de notre test, 1 000 000 de caractères japonais ont pris environ 3,4 secondes et 1 012 000 caractères anglais 0,23 seconde, car la segmentation par dictionnaire est plus lente.
La part est le nombre d’occurrences d’un terme divisé par tous les termes comptés avec les réglages actuels. Écarter les mots courants augmente donc la part des autres, et la part d’une expression se mesure par rapport à toutes les expressions de même longueur. Nous ne donnons pas de densité de mots-clés idéale : les moteurs de recherche n’en ont publié aucune, et une part indique à quel point un texte se répète, pas comment il se classera. Les expressions ne sont comptées qu’à l’intérieur d’une phrase : le dernier mot d’une phrase et le premier de la suivante ne forment jamais une expression. Avec les mots courants écartés, une expression ne peut ni commencer ni finir par l’un d’eux : « renard rapide » compte, « le renard » non.
Les mots doublés sont le même mot deux fois de suite, séparé seulement par des espaces ou un saut de ligne, une faute facile à manquer quand une ligne finit par de et que la suivante commence par de. Les nombres sont ignorés, car 1 1 est souvent voulu. Certains doublons sont corrects (nous nous, vous vous), alors la page liste chacun avec son numéro de ligne avant que vous choisissiez Corriger les mots doublés. Le résultat texte peut aussi contenir chaque mot une seule fois, dans l’ordre de première apparition, ce que la plupart des gens entendent par supprimer les mots en double.