Szövegelemző

Részletes statisztikákkal elemezhető a szöveg: karakter- és szószámok, gyakorisági eloszlások, sorstatisztikák, UTF-8 bájtszám és Shannon-entrópia. Gépelés közben automatikusan elemez.
Minden feldolgozás helyben, a böngészőben történik — az adatok soha nem kerülnek feltöltésre semmilyen szerverre.
Bemenet
Elemzés:
Szövegelemző — Részletes statisztikák a szövegről valós időben.
Mérőszámok: karakterszám (szóközzel és anélkül), szószám, sorszám, bájtszám (UTF-8), leghosszabb/legrövidebb sor, átlagos sorhossz, Shannon-entrópia bitben a karakterekre és szavakra.
Gyakorisági táblázatok: a 30 leggyakoribb karakter (százalékkal) és a 30 leggyakoribb szó.
Automatikus elemzés: a statisztikák gépelés közben automatikusan frissülnek (400 ms késleltetéssel). Azonnali frissítéshez a Elemzés futtatása gomb szolgál, a statisztikák szövegként a Statisztikák másolása gombbal másolhatók.
Minden feldolgozás helyben, a böngészőben történik — semmi nincs feltöltve.
Mit mondanak a szövegstatisztikák?

A számok a szöveg alakját írják le: a karakterek (szóközzel és anélkül), a szavak, a sorok és az UTF-8-bájtok más-más kérdésre adnak választ — a bájtszám a fájlméret és az API-korlátok szempontjából fontos, a szószám pedig az, amely szerint a szerkesztők és fordítók számláznak. A gyakorisági táblázatok az ismétléseket mutatják, a Shannon-entrópia pedig a változatosságot egyetlen számban foglalja össze: a nagyon ismétlődő szövegnek alacsony az entrópiája (bit karakterenként), a változatos szövegnek magas.

A szószámlálás nem nyelvfüggetlen: a kínai és japán szövegben nincsenek szóközök a szavak között, így a CJK-szöveg „szószáma” teljesen attól függ, hogyan tokenizálja a számláló — csak azonos eszköz által készített számok hasonlíthatók össze.