跳至主要內容

尋找下一個工具

準備、檢查,再匯出

詞頻統計工具:高頻詞與短語

貼上一段文字,即可看到所有詞按出現次數排序,並顯示次數和佔全部詞的比例。可以切換為 2、3 或 4 個詞的短語,排除「的」「了」之類的常用詞,還能檢查拼字檢查容易漏掉的重複詞(the the)。

正在載入文字工作區…

優點

  • 用瀏覽器的詞典給中文、日文和泰文分詞,所以「東京」會作為一個詞計數,而不是整句話算作一個詞。
  • 需要時可排除 15 種語言中的常用虛詞,並列出該列表包含哪些詞。
  • 找出重複詞,包括跨行的重複,並給出刪掉第二個重複詞後的文字。

適用情境

  • 在提交論文、求職信或譯稿之前,找出用得過多的詞。
  • 檢視網頁或商品描述中哪些詞和短語重複最多,並匯出到試算表。
  • 按首次出現的順序列出文字中的所有詞,做成學習用的生詞表或術語表。

如何使用此工具

  1. 貼上文字或匯入 TXT 檔案,並確認「文字語言」正確。
  2. 選擇單個詞或 2 到 4 個詞的短語,並勾選需要的過濾條件。
  3. 檢視排序後的表格;下載的 CSV 包含所有詞條及其次數和佔比。
  4. 開啟「重複詞」修正重複,或選擇文字結果的內容,然後複製或繼續。

詞是怎樣統計的,佔比又代表什麼

這裡的「詞」是瀏覽器針對所選語言的分詞器找到的單位(Unicode UAX #29,中文、日文和泰文使用詞典)。帶連字元的詞和 don’t 這樣的縮寫仍算一個詞;數字也算作詞,除非取消勾選「統計數字」。開啟「忽略大小寫」時,The 和 the 合併為一項,並按文字語言的規則轉為小寫。在土耳其語中,大寫 I 會變成無點的 ı,所以 İstanbul 和 ISTANBUL 會成為兩個不同的詞:istanbul 和 ıstanbul。

以日文 東京都に住んでいます。東京は大きい。 為例,東京 出現 2 次,都、に、住、んで、い、ます、は 和 大きい 各出現 1 次;只按空格切分的工具會把整句當成一個詞。詞典還會切開動詞詞尾(住んでいます 被分成四段),所以日文列表的前幾名通常是 に、は 這樣的助詞,用「排除常用詞」即可隱藏。中文同理,「的」「了」常常排在最前。在我們的測試中,1,000,000 個日文字元約用 3.4 秒,1,012,000 個英文字元用 0.23 秒,因為基於詞典的分詞更慢。

佔比是某個詞條的次數除以當前設定下統計到的全部詞條數。因此排除常用詞後,其餘詞的佔比會上升;短語的佔比以所有同樣長度的短語為基數。我們不給出目標關鍵詞密度:搜尋引擎從未公佈過這樣的數值,佔比只說明文字有多重複,不能說明排名。短語只在一句話之內統計,所以上一句的最後一個詞和下一句的第一個詞不會組成短語。排除常用詞時,短語也不能以常用詞開頭或結尾:quick fox 計入,the quick 不計入。

重複詞是指同一個詞連續出現兩次,中間只有空格或換行,比如一行以 to 結尾、下一行又以 to 開頭,這種筆誤很容易被忽略。數字不檢查,因為 1 1 往往是有意寫的。有些重複是正確的(that that、had had),所以在你點選「修正重複詞」之前,頁面會帶行號逐條列出。文字結果還可以是按首次出現順序、每個詞只出現一次的列表,這正是大多數人所說的「刪除重複詞」。

格式、限制與隱私

  • 編輯器最多 2,000,000 個字元,TXT 檔案最大 2 MiB。表格顯示前 200 個詞條,CSV 包含全部。
  • 不做詞形還原:run、runs 和 running 是三個不同的詞。可把變體加入「另外排除」,或在試算表中合併。
  • 常用詞列表覆蓋 15 種語言(中文含簡體和繁體),是為本工具編寫的簡短列表;亞塞拜然語、希臘語、古吉拉特語和泰語暫時沒有。
  • 中文、日文和泰文的分詞來自瀏覽器詞典,因此在 Chrome、Safari 和 Firefox 中可能略有不同。

這些工具在本機處理文字,不會自動儲存草稿。離開前請下載重要的內容;暫時的檔案傳遞會在 30 分鐘後失效。

常見問題與解答

怎樣統計某個詞出現了幾次?

貼上文字後在表格中找到這個詞,或在表格上使用瀏覽器的尋找功能(Ctrl+F)。每一行顯示次數和佔全部統計詞的比例。開啟「忽略大小寫」時,Word、word 和 WORD 合併統計。

除了詞,還能統計短語嗎?

可以。在「統計單位」中選擇 2、3 或 4 個詞的短語。短語只在句子內部統計;開啟「排除常用詞」時,會跳過以常用詞開頭或結尾的短語。

什麼是關鍵詞密度?多少合適?

關鍵詞密度就是「佔比」這一列:某個詞的次數除以統計到的全部詞數。沒有官方標準,Google 也沒有公佈過數值。用佔比找出你不經意間重複太多的詞,文章好壞還要看讀起來是否順暢。

怎樣刪除重複詞?

在「文字結果」中選擇「每個詞一次(按首次出現順序)」,即可得到每個詞只出現一次的列表。若想只刪掉 the the 這類誤重複、保留其餘全部內容,請開啟「重複詞」並點選「修正重複詞」。

支援中文、日文、印地語或阿拉伯語嗎?

支援。請設定文字語言:中文、日文和泰文用瀏覽器詞典分詞,其他文字按空格和標點切分,並按各語言的規則轉為小寫。常用詞列表覆蓋 15 種語言,包括印地語、孟加拉語、阿拉伯語、日語、韓語和中文。

我的文字會被上傳嗎?

不會。統計在你的瀏覽器中完成,文字不會發送給 MAXScanner,也不會被儲存。統計資料只記錄使用了哪個選項,從不記錄詞語。

繼續你的文件工作流程

要帶著文字前往下一個工具,請使用工作區內的「繼續」按鈕;這些連結會開啟空白的工具。