Teksto at mga dokumento na tool

Pangbilang ng Salita at Karakter

Tantiyahin ang pahina sa 250 o 500 salita bawat pahina at subaybayan ang pag-usad sa salita, pahina o karakter. Nananatili ang teksto sa pahina nang walang pag-upload o permanenteng pag-iimbak.

Lokal na pinoproseso sa browserHindi kailangan ng accountMga detalye ng pagkapribado ↗

Hanggang 100,000 yunit ng kodigo sa UTF-16. Ang salita ay token na hiwalay sa puwang, hindi semantikong paghahati sa Tsino/Hapones/Koreano. Magkaiba ang yunit ng kodigo sa UTF-16 at puntong-kodigo sa Unicode; puntong-kodigo ang ginagamit kung walang suporta sa paghahati ng kumpol ng karakter. Sa pagbasa, 200 token/min ang palagay at pataas sa 0.5 min ang resulta; 0 min ang walang tekstong ipinasok. Palagay sa pagpaplano ito, hindi nasukat na bilis.

Nasa pahinang ito lamang ang pagbilang; walang pag-upload o permanenteng pag-iimbak.

Pumili ng salita, pahina, o karakter para sa pag-usad. Opsyonal ang layunin; hanggang 100% lang ang pag-usad.

Paano gamitin

Paano gamitin

  1. Maglagay ng hanggang 100,000 yunit ng kodigo sa UTF-16; maaari ring walang laman.
  2. Opsyonal na magtakda ng buong bilang na 1–100,000 para sa layunin sa token, saka bilangin.
  3. Ihambing ang puntong-kodigo at yunit sa UTF-16, suriin ang estruktura at palagay sa oras, saka kopyahin ang buod.

Token sa puwang, hindi salitang batay sa kahulugan

Bawat hindi bakanteng sunod-sunod na karakter na hiwalay sa mga puwang na kinikilala ng JavaScript at Unicode ay isang salita/token. Kasama ang nakakabit na bantas. Hindi ito semantikong paghahati para sa Tsino, Hapones o Koreano, o paghahating gamit ang diksyunaryo.

Magkakaibang bilang ng karakter at estruktura

source.length ang kabuuang UTF-16; haba matapos alisin ang mga puwang na kinikilala ng JavaScript ang bilang na walang puwang. Hiwalay ang puntong-kodigo sa Unicode. Intl.Segmenter ang gamit sa nakikitang kumpol ng karakter, o puntong-kodigo kung hindi suportado; TextEncoder ang gamit sa UTF-8. LF, CRLF at CR ang naghihiwalay ng linya. Sero ang haba ng linyang walang laman; ang talata ay hindi bakanteng bloke na hiwalay sa blankong linya. Tantiya sa ., !, ?, … ang pangungusap.

Palagay sa oras at hangganan ng pribasiya

Minuto sa pagbasa = ceil(token / 100) / 2: 200 token/min na pataas sa 0.5 minuto, at 0 kung walang teksto. Nananatili ang magaspang na tantiya sa pagsasalita na 130 token/min: mas mababa sa 1 minuto para sa 1–129 token, kung hindi ay pataas sa buong minuto. Palagay sa pagpaplano ito, hindi siyentipikong sukat. Hanggang 100,000 yunit sa UTF-16 ang ipinasok, lokal lamang sa pahina, at hindi ina-upload o permanenteng iniimbak.

Mga madalas itanong

Maaari mo ring alamin

Bakit magkaiba ang UTF-16 at puntong-kodigo?

Dalawang yunit sa UTF-16 ngunit isang puntong-kodigo sa Unicode ang suplementaryong karakter gaya ng 😀. Maaari ring iba ang kumpol ng karakter sa puntong-kodigo kapag may pinagsamang emoji o panandang ikinakabit sa titik.

Semantikong bilang ba ito para sa Tsino, Hapones o Koreano?

Hindi. Token na hiwalay sa puwang ang binibilang. Isang token ang tekstong walang pagitan; hindi hinahanap ang salitang batay sa kahulugan.

Paano binibilog pataas ang oras sa pagbasa?

Sa palagay na 200 token/min, pataas ito sa susunod na 0.5 minuto. Sero ang minuto kung walang teksto o puwang lang. Resulta ito ng pormula, hindi nasukat na bilis.

Ano ang mangyayari sa maling ipinasok?

Binubura ang lumang resulta. Lokal na pagkakamali ang lampas sa 100,000 yunit sa UTF-16, maling layunin o pinakamababang layunin na mas mataas sa pinakamataas. Pinipili ang buod para sa mano-manong pagkopya kapag nabigo ang clipboard.