使用步骤
- 把文字粘贴到输入框，或点「载入示例」看看效果。
- 选择按单词还是词组统计，设置最短长度和要忽略的内容。
- 在表格里查看排名，点「下载 CSV」导出全部结果。
参数说明
- 分词
- 使用浏览器内置的分词功能，中文、英文、日文混排都能切分。专业术语可能被拆成几个词，可以用「两词组合」统计把它们找回来。
- 词组统计
- 统计相邻两个或三个词的组合，适合找「自然语言处理」「machine learning」这类固定搭配，不跨越句子。
- 最短长度
- 中文建议设为 2 个字，过滤掉大量单字词；英文一般设为 1。
完整示例
以这段文字为例：
The cat sat on the mat. The cat ate the fish. Machine learning helps machine learning researchers; the cat sleeps.摘要显示「共 20 个词，去重后 10 个」，因为 the、on 这样的停用词会被算作词，但随后被跳过。把「统计单位」设为「单词」时，排在前面的几行是：
| 词语 | 次数 | 占比 |
|---|---|---|
| cat | 3 | 21.43% |
| learning | 2 | 14.29% |
| machine | 2 | 14.29% |
占比除以的是实际统计的 14 个词，而不是文本中的 20 个。选择「两词组合」时，machine learning 在 8 个词组中出现了两次（25%）。词组不会跨越句子或逗号的边界，以停用词开头或结尾的词组会被跳过。
页面列出前 100 行，「显示全部」会列出其余的行。「下载 CSV」包含每一行，列为 term、count 和 share。
常见问题
分词结果不准确怎么办？
浏览器的分词基于通用词典，新词、人名和专业术语可能被切开。可以改用两词、三词组合统计，或者把结果导出后在 Excel 里合并。
能处理多长的文字？
几十万字以内都可以流畅处理，更长的文本分成几段分别统计即可。
文字会上传吗？
不会，分词和统计都在浏览器里完成。
隐私说明
本工具完全在浏览器中运行，文件和文本都在你的设备上处理，不会上传到我们的服务器。