跳到主要内容

查找下一个工具

准备、检查,然后导出

词频统计工具:高频词与短语

粘贴一段文本,即可看到所有词按出现次数排序,并显示次数和占全部词的比例。可以切换为 2、3 或 4 个词的短语,排除“的”“了”之类的常用词,还能检查拼写检查容易漏掉的重复词(the the)。

正在加载文本工作区…

优势

  • 用浏览器的词典给中文、日文和泰文分词,所以“东京”会作为一个词计数,而不是整句话算作一个词。
  • 需要时可排除 15 种语言中的常用虚词,并列出该列表包含哪些词。
  • 找出重复词,包括跨行的重复,并给出删掉第二个重复词后的文本。

适用场景

  • 在提交论文、求职信或译稿之前,找出用得过多的词。
  • 查看网页或商品描述中哪些词和短语重复最多,并导出到电子表格。
  • 按首次出现的顺序列出文本中的所有词,做成学习用的生词表或术语表。

如何使用此工具

  1. 粘贴文本或导入 TXT 文件,并确认“文本语言”正确。
  2. 选择单个词或 2 到 4 个词的短语,并勾选需要的过滤条件。
  3. 查看排序后的表格;下载的 CSV 包含所有词条及其次数和占比。
  4. 打开“重复词”修正重复,或选择文本结果的内容,然后复制或继续。

词是怎样统计的,占比又代表什么

这里的“词”是浏览器针对所选语言的分词器找到的单位(Unicode UAX #29,中文、日文和泰文使用词典)。带连字符的词和 don’t 这样的缩写仍算一个词;数字也算作词,除非取消勾选“统计数字”。开启“忽略大小写”时,The 和 the 合并为一项,并按文本语言的规则转为小写。在土耳其语中,大写 I 会变成无点的 ı,所以 İstanbul 和 ISTANBUL 会成为两个不同的词:istanbul 和 ıstanbul。

以日文 東京都に住んでいます。東京は大きい。 为例,東京 出现 2 次,都、に、住、んで、い、ます、は 和 大きい 各出现 1 次;只按空格切分的工具会把整句当成一个词。词典还会切开动词词尾(住んでいます 被分成四段),所以日文列表的前几名通常是 に、は 这样的助词,用“排除常用词”即可隐藏。中文同理,“的”“了”常常排在最前。在我们的测试中,1,000,000 个日文字符约用 3.4 秒,1,012,000 个英文字符用 0.23 秒,因为基于词典的分词更慢。

占比是某个词条的次数除以当前设置下统计到的全部词条数。因此排除常用词后,其余词的占比会上升;短语的占比以所有同样长度的短语为基数。我们不给出目标关键词密度:搜索引擎从未公布过这样的数值,占比只说明文本有多重复,不能说明排名。短语只在一句话之内统计,所以上一句的最后一个词和下一句的第一个词不会组成短语。排除常用词时,短语也不能以常用词开头或结尾:quick fox 计入,the quick 不计入。

重复词是指同一个词连续出现两次,中间只有空格或换行,比如一行以 to 结尾、下一行又以 to 开头,这种笔误很容易被忽略。数字不检查,因为 1 1 往往是有意写的。有些重复是正确的(that that、had had),所以在你点击“修正重复词”之前,页面会带行号逐条列出。文本结果还可以是按首次出现顺序、每个词只出现一次的列表,这正是大多数人所说的“删除重复词”。

格式、限制与隐私

  • 编辑器最多 2,000,000 个字符,TXT 文件最大 2 MiB。表格显示前 200 个词条,CSV 包含全部。
  • 不做词形还原:run、runs 和 running 是三个不同的词。可把变体加入“另外排除”,或在电子表格中合并。
  • 常用词列表覆盖 15 种语言(中文含简体和繁体),是为本工具编写的简短列表;阿塞拜疆语、希腊语、古吉拉特语和泰语暂时没有。
  • 中文、日文和泰文的分词来自浏览器词典,因此在 Chrome、Safari 和 Firefox 中可能略有不同。

这些工具在本地处理文本,不会自动保存草稿。离开前请下载重要内容;临时文件传递会在 30 分钟后失效。

常见问题与解答

怎样统计某个词出现了几次?

粘贴文本后在表格中找到这个词,或在表格上使用浏览器的查找功能(Ctrl+F)。每一行显示次数和占全部统计词的比例。开启“忽略大小写”时,Word、word 和 WORD 合并统计。

除了词,还能统计短语吗?

可以。在“统计单位”中选择 2、3 或 4 个词的短语。短语只在句子内部统计;开启“排除常用词”时,会跳过以常用词开头或结尾的短语。

什么是关键词密度?多少合适?

关键词密度就是“占比”这一列:某个词的次数除以统计到的全部词数。没有官方标准,Google 也没有公布过数值。用占比找出你不经意间重复太多的词,文章好坏还要看读起来是否顺畅。

怎样删除重复词?

在“文本结果”中选择“每个词一次(按首次出现顺序)”,即可得到每个词只出现一次的列表。若想只删掉 the the 这类误重复、保留其余全部内容,请打开“重复词”并点击“修正重复词”。

支持中文、日文、印地语或阿拉伯语吗?

支持。请设置文本语言:中文、日文和泰文用浏览器词典分词,其他文字按空格和标点切分,并按各语言的规则转为小写。常用词列表覆盖 15 种语言,包括印地语、孟加拉语、阿拉伯语、日语、韩语和中文。

我的文本会被上传吗?

不会。统计在你的浏览器中完成,文本不会发送给 MAXScanner,也不会被保存。统计数据只记录使用了哪个选项,从不记录词语。

继续你的文档工作流

要携带文本,请使用工作区内的“继续”按钮;这些链接会打开一个空白工具。