词频统计
看清一段文本真正倚重哪些词、出现多少次、占全文多少比例。支持单个词、两词和三词短语，常用词会被过滤掉。
把文件拖到这里
.txt, .md, .csv · 最大5 MB
如何统计词频
- 1
粘贴或拖入文本
不超过5 MB的.txt、.md或.csv文件，也可以直接在输入框里输入。
- 2
选择统计对象
单个词、两词或三词短语，可设置最少出现次数，并开关常用词过滤。
- 3
查看表格或导出
按出现频率排序，并显示每个词条占全文的比例。可下载为CSV。
同一个词的两种写法，仍然是一个词
从Mac复制的文本常常是分解形式：俄语的й变成и加一个单独的短音符，é变成e加一个重音符。在屏幕上它们和合成形式一模一样；但作为字典的键，它们是不同的字符串，于是同一个词悄悄拆成两行，各占一半次数。这里在统计前把所有文本规范化为同一种形式，所以总数能对得上。出于同样的原因，默认忽略大小写：对读者来说，Word和word是同一个词，把它们分开，表格顶部就没有意义了。
为什么过滤常用词，什么时候不该过滤
任何英文文本里，排在前十的词都是the、of、and、to、a这一类。这样的表格没错，却什么也说明不了。把它们过滤掉，其余的词才显现出来。所以默认会使用页面语言的停用词表；内置十种语言的词表，想看原始分布时也可以关掉过滤。过滤有意不用于两词和三词短语：如果在短语里去掉常用词，end of the day就成了end day，而这个短语在文本里根本不存在。在短语中，噪音改由最少出现次数来去除。
两词和三词短语能找出单个词藏住的东西
单个词的次数告诉你主题是什么。两词和三词短语告诉你写作习惯：套路化的开头、反复出现的修饰语、每隔一段就出现而作者没察觉的短语。发布前用它检查自己的文章，或者想知道竞争对手的页面实际针对什么做了优化时，都值得用这个视图。短语按连续的词统计，规范化方式与单个词相同，所以同一个短语在两处大小写不同，仍然只算一个。
次数相同时按字母排序，是有意为之
通常会有几十个词条次数相同，它们的输出顺序取决于首次出现的顺序，这意味着同一段文本统计两次，可能得到两个不同的表格。这里次数相同的词条使用你的语言的排序规则按字母排序，所以表格可以复现：同样的文本、同样的设置，总是得到同样的行和同样的顺序，这样两次导出的结果才能对比。
什么都不会离开你的浏览器
文本在你已经打开的页面里读取、统计并生成表格。不上传，不经过服务器，无需账号，不做存储；停用词表是随页面一起提供的小JSON文件。断开网络照样能用，关闭标签页就能把文本清除。
常见问题
什么是停用词？
一种语言里常见的功能词（英语的the、of、and；俄语的и、в、не），它们在任何词频表里都占据前列，却说明不了文本的内容。内置十种语言的词表，默认按页面语言启用，也可以关闭。
为什么两词和三词短语里还有常用词？
因为去掉它们会凭空造出文本里没有的短语：end of the day会被算成end day。对于短语，改由最少出现次数来过滤。
支持中文和日语吗？
支持。词语由浏览器的文本分词器识别，而不是按空格切分。对于词与词之间不加空格的语言，这是得到合理结果的唯一办法。
能导出表格吗？
能，导出为三列的CSV：词条、次数和占全文的百分比。可以直接用Excel、Numbers或Google Sheets打开。
为什么同一个词出现了两次？
通常不会：统计前已忽略大小写并规范化Unicode形式。如果仍然出现，说明两个写法之间差了一个看不见的字符，比如软连字符或零宽空格。
最多能处理多大的文本？
最大5 MB或一百万个字符。更长的文本只统计到这个上限，而不会让标签页卡死；更大的文件请先拆分。
会上传什么吗？
不会。所有统计都在你的浏览器中完成，文本不会发送到任何地方。
