Compter la fréquence des mots

Comment compter la fréquence des mots

1. 1

   Collez ou déposez votre texte

   Un fichier .txt, .md ou .csv jusqu’à 5 Mo, ou saisissez le texte directement dans la zone.

2. 2

   Choisissez ce qu’il faut compter

   Mots seuls, paires ou triples, avec un nombre minimal d’occurrences et les mots fréquents activés ou non.

3. 3

   Lisez le tableau ou exportez-le

   Trié par fréquence, avec la part du texte prise par chaque terme. Téléchargez au format CSV.

Un même mot écrit de deux façons reste un seul mot

Un texte copié depuis un Mac arrive souvent sous une forme décomposée : le й russe devient и suivi d’un signe bref séparé, et é devient e suivi d’un accent. À l’écran, ils sont identiques aux versions composées. Comme clés dans un dictionnaire, ce sont des chaînes différentes, donc le même mot se retrouve discrètement en deux lignes avec la moitié du total chacune. Ici, tout est normalisé vers une forme unique avant le comptage, c’est pourquoi les totaux tombent juste. La casse est fusionnée par défaut pour la même raison : « Word » et « word » sont le même mot pour un lecteur, les séparer rend le haut du tableau inutilisable.

Pourquoi les mots fréquents sont filtrés, et quand il ne faut pas

Dans tout texte anglais, les dix premiers mots sont the, of, and, to, a et leurs proches. Ce tableau est exact et ne dit rien. Les filtrer est ce qui rend le reste visible, donc une liste de mots vides pour la langue de la page est appliquée par défaut, avec des listes pour dix langues et un interrupteur pour obtenir la distribution brute. Le filtre ne s’applique volontairement pas aux paires et aux triples : si vous enlevez les mots fréquents, end of the day devient end day, une expression qui n’apparaît nulle part dans le texte. Pour les expressions, le bruit est éliminé avec le nombre minimal d’occurrences.

Paires et triples révèlent ce que les mots seuls cachent

Les fréquences de mots seuls donnent le sujet. Les expressions de deux et trois mots montrent les habitudes : les débuts de phrases figés, le qualificatif répété, la tournure qui revient dans un paragraphe sur deux sans que l’auteur le voie. C’est la vue utile sur vos propres textes avant publication, et sur la page d’un concurrent quand vous voulez savoir pour quoi elle est réellement optimisée. Les expressions sont comptées sur des mots consécutifs avec la même normalisation que pour les mots seuls, donc une expression écrite avec des capitales différentes à deux endroits est quand même comptée comme une seule.

Les ex æquo sont départagés par ordre alphabétique

Des dizaines de termes partagent en général le même nombre d’occurrences, et l’ordre dans lequel ils sortent dépend de l’ordre dans lequel ils ont été vus, ce qui peut produire deux tableaux différents pour le même texte. Ici, les termes avec des comptes égaux sont classés par ordre alphabétique à l’aide du collateur de votre langue. Le tableau est donc reproductible : le même texte et les mêmes réglages donnent toujours les mêmes lignes dans le même ordre, ce qui permet de comparer deux exports.

Questions fréquentes