சொல் எண்ணி
சொற்கள், எழுத்துகள், வாக்கியங்கள், பத்திகளை எண்ணி, படிக்கும் நேரத்தையும் காட்டுகிறது.
அனைத்தும் உங்கள் உலாவியில் இயங்குகிறது. நீங்கள் தட்டச்சு செய்வது பதிவேற்றப்படவோ சேமிக்கப்படவோ இல்லை.
விரிவான வழிகாட்டி
சொல் எண்ணி: ஒவ்வொரு எண்ணும் எப்படிக் கணக்கிடப்படுகிறது
சொற்கள், எழுத்துகள், வாக்கியங்கள், பத்திகள், வரிகள், வாசிப்பு நேரம் ஆகியவற்றின் சரியான விதிகள்; சர்ரகேட் இணைகள், எமோஜி, இணைப்புக் குறிகள், சீன மற்றும் ஜப்பானிய சொல் பிரிப்பு, வாக்கிய இறுதியில் உள்ள சுருக்கங்கள், பிற எண்ணிகள் மாறுபடும் இடங்கள்.
முக்கிய எண்கள் ஒரே பார்வையில்
- சொற்கள்
- இடைவெளியற்ற தொடர்கள்; சீனம், ஜப்பானியம் பிரிக்கப்படும்
- உரை இடைவெளியில் பிரிக்கப்படும்; இடைவெளியின்றி எழுதிய சீன அல்லது ஜப்பானிய தொடர்கள் Intl.Segmenter மூலம் சொற்களாகப் பிரிக்கப்படும்; உலாவியில் அது இல்லையெனில் ஒவ்வோர் எழுத்தும் ஒரு சொல்.
- எழுத்துகள்
- Unicode குறியீட்டுப் புள்ளிகள்
- 🙂 போன்ற எமோஜி 1 (2 UTF-16 அலகுகள் அல்ல); ஆனால் 👨👩👧 என்பது 5, 🇸🇬 என்பது 2.
- வாசிப்பு நேரம்
- நிமிடத்துக்கு 200 சொற்கள்
- பேச்சு நேரம் நிமிடத்துக்கு 130 சொற்களைப் பயன்படுத்துகிறது.
- வரி முறிவுகள்
- CRLF ஒன்றாக எண்ணப்படும்
- இறுதியில் உள்ள புதிய வரி ஒரு (வெற்று) வரியைச் சேர்க்கும்.
எதை எப்படி எண்ணுகிறது
அனைத்து எண்ணலும் நீங்கள் தட்டச்சு செய்யும்போதே உங்கள் உலாவியில் நடக்கும். Windows வரி முடிவுகள் (\r\n) மற்றும் தனி \r முதலில் ஒரே \n ஆக மாற்றப்படும்.
| எண் | விதி |
|---|---|
| சொற்கள் | எந்த இடைவெளித் தொடரிலும் பிரிக்கப்படும்; வெறுமையற்ற ஒவ்வொரு துண்டும் ஒரு சொல். well-known, don't, 3.14 ஒவ்வொன்றும் ஒரு சொல்; இடைவெளிகளுக்கு நடுவில் தனியாக உள்ள — அல்லது - கூட ஒரு சொல்லாகக் கணக்கிடப்படும். சீனம் அல்லது ஜப்பானிய எழுத்துகள் உள்ள துண்டு Intl.Segmenter('word') மூலம் சொற்களாகப் பிரிக்கப்படும்; அது இல்லையெனில் ஒவ்வொரு ஹான், ஹிரகானா, கடகானா எழுத்தும் ஒரு சொல். |
| எழுத்துகள் | Unicode குறியீட்டுப் புள்ளிகளின் எண்ணிக்கை; வரி முறிவுகளும் அடங்கும். |
| இடைவெளி இல்லாமல் | ஒவ்வொரு இடைவெளி எழுத்தையும் (JavaScript \s) நீக்கிய பின் அதே எண்ணிக்கை. |
| வாக்கியங்கள் | ஒன்று அல்லது அதற்கு மேற்பட்ட . ! ? ஐத் தொடர்ந்து இடைவெளி அல்லது உரை முடிவு வந்தால் வாக்கியம் முடியும்; 。 ! ? ம் முடிக்கும் (இடைவெளி தேவையில்லை). முடிவில் வரும் மேற்கோள், அடைப்புக்குறிகள் அதே வாக்கியத்தோடு இருக்கும். Dr, Mr, Mrs, Ms, Prof, Sr, Jr, vs, e.g, i.e ஆகியவற்றுக்குப் பின் வரும் தனிப் புள்ளி வாக்கியத்தை முடிக்காது. கடைசி முடிவுக்குறிக்குப் பின் உள்ள உரை மேலும் ஒரு வாக்கியமாகும். |
| பத்திகள் | இரண்டு அல்லது அதற்கு மேற்பட்ட தொடர் புதிய வரிகளால் பிரிக்கப்பட்ட தொகுதிகள்; வெற்றுத் தொகுதிகள் விடப்படும். |
| வரிகள் | புதிய வரியால் பிரிக்கப்பட்ட வரிகளின் எண்ணிக்கை; வெற்று உரை 0. |
| வாசிப்பு / பேச்சு நேரம் | சொற்கள் ÷ 200 மற்றும் சொற்கள் ÷ 130, வினாடிக்கு முழுமையாக்கப்படும். 60 வினாடிக்குக் குறைவெனில் வினாடிகள், இல்லையெனில் முழு நிமிடங்கள். |
| நீளமான சொல் | நீளமான சொல், UTF-16 அலகுகளில் அளக்கப்படும்; நிறுத்தற்குறிகளும் சேரும் (Hello,). சீனம், ஜப்பானியம் சொல் பிரிப்புக்குப் பின் அளக்கப்படும். |
எழுத்துகள்: குறியீட்டுப் புள்ளிகள், நீங்கள் காணும் எழுத்துகள் அல்ல
JavaScript சரங்கள் UTF-16 என்பதால் "🙂".length 2 ஆகும். கருவி வேண்டுமென்றே குறியீட்டுப் புள்ளிகளை எண்ணுவதால் இத்தகைய எமோஜி ஒன்றாகக் கணக்கிடப்படும். கிராஃபீம் தொகுதிகளை (வாசகர் ஓர் எழுத்தாக உணர்வது; Unicode UAX #29 இல் வரையறுக்கப்பட்டுள்ளது) அது எண்ணாது. பக்கக் குறியீடு மற்றும் Intl.Segmenter கொண்டு கணக்கிட்டது:
| உரை | UTF-16 அலகுகள் | கருவி எண்ணும் எழுத்துகள் | கிராஃபீம்கள் |
|---|---|---|---|
🙂 |
2 | 1 | 1 |
é (ஒரே குறியீட்டுப் புள்ளி) |
1 | 1 | 1 |
é (e + இணைந்த உச்சரிப்பு) |
2 | 2 | 1 |
👨👩👧 (மூவர் இணைந்தது) |
8 | 5 | 1 |
🇸🇬 (கொடி) |
4 | 2 | 1 |
தமிழ் |
5 | 5 | 3 |
新加坡 |
3 | 3 | 3 |
எனவே இணைந்த எமோஜி, கொடிகள், பிரிக்கப்பட்ட உச்சரிப்புகள், தமிழ் கூட்டெழுத்துகளுக்கு நீங்கள் காண்பதைவிட எண் அதிகமாக இருக்கலாம். UTF-16 அலகுகளால் வரம்பிடும் தளம் (சில சமூக ஊடகங்களும் SMS பிரிவுகளும் இன்னொரு விதமாக எண்ணுகின்றன) வேறு எண்ணைத் தரும்; அந்தத் தளத்தின் சொந்த விதியைச் சரிபாருங்கள்.
"இடைவெளி இல்லாமல்" என்பதில் இடைவெளி JavaScript \s: இடைவெளி, தத்தல், வரி முறிவுகள், உடையா இடைவெளி U+00A0, U+FEFF, Unicode இடைவெளிப் பிரிப்பான்களை நீக்கும்; ஆனால் பூஜ்ஜிய அகல இடைவெளி U+200B ஐ நீக்காது. சோதனையில் a, உடையா இடைவெளி, b, பூஜ்ஜிய அகல இடைவெளி, c, இடைவெளி, d என்பது 7 எழுத்துகள், இடைவெளி இல்லாமல் 5, 3 சொற்கள் எனக் கிடைத்தது; ஏனெனில் பூஜ்ஜிய அகல இடைவெளி கண்ணுக்குத் தெரியாது, ஆனால் இடைவெளியும் அல்ல, நீக்கப்படவும் இல்லை.
சீனம், ஜப்பானியம், தாய், தமிழில் சொற்கள்
சொற்கள் முதலில் இடைவெளியால் கண்டறியப்படும்; பின்னர் சீன அல்லது ஜப்பானிய தொடர்கள் மேலும் பிரிக்கப்படும். தற்கால உலாவிகள் வழங்கும் Intl.Segmenter('word') மூலம் 我喜欢新加坡。你呢? 5 சொற்கள் (我 / 喜欢 / 新加坡 / 你 / 呢), 10 எழுத்துகள்; I like Singapore 新加坡 a lot 6 சொற்கள். பிரிப்பி இல்லாவிட்டால் ஒவ்வொரு சீன எழுத்தும் ஒரு சொல்லாகும்; அப்போது இவ்விரு உரைகளுக்கும் 8 மற்றும் 8 வரும். சரியான பிரிப்பு உலாவியின் அகராதி முடிவு என்பதால், வேறு உலாவி சில சொற்களை வேறுபடக் கணக்கிடலாம். தாய் இன்னும் இடைவெளியால் மட்டுமே எண்ணப்படும். தமிழ் ஆங்கிலம் போல இடைவெளியால் பிரிக்கப்படுவதால் தமிழ் மொழி 2 சொற்கள்.
வாக்கியங்கள், பத்திகள், வரிகள்
- வாக்கிய முடிவுகள்: இடைவெளி அல்லது உரை முடிவு தொடரும் ASCII
. ! ?, மற்றும் இடைவெளி தேவைப்படாத சீன, ஜப்பானிய。!?:你好。我是小明。你呢?3 வாக்கியங்கள். - ASCII முடிவுக்குறிக்குப் பின் இடைவெளி அல்லது உரை முடிவு வர வேண்டும்; எனவே
3.14,example.comவாக்கியத்தை முடிக்காது. Dr, Mr, Mrs, Ms, Prof, Sr, Jr, vs, e.g, i.e ஆகியவற்றுக்குப் பின் வரும் தனிப் புள்ளியும் முடிக்காது:Dr. Smith arrived. He sat.2 வாக்கியங்கள்;Mr. and Mrs. Lee met Ms. Tan, e.g. at noon, i.e. late. Done.2. மற்ற சுருக்கங்கள் இன்னும் வாக்கியத்தை முடிக்கும்.Wait... what?! Really.3;...அல்லது?!போன்ற தொடர் ஒருமுறையே எண்ணப்படும். முடிவுக்குறிக்குப் பின் வரும் மூடும் மேற்கோள் அதே வாக்கியத்தில் சேரும்:"Hello." She waved.2. - கடைசி முடிவுக்குறிக்குப் பின் உள்ள உரை மேலும் ஒரு வாக்கியமாக எண்ணப்படும்:
Hi. thereஎன்பது 2. முடிவுக்குறியே இல்லாவிட்டால் எந்த வெறுமையற்ற உரையும் 1. - பத்தி முறிவுக்கு இரு தொடர் புதிய வரிகள் தேவை. இடைவெளி உள்ள "வெற்று" வரி கணக்கில் வராது:
para one, ஓர் இடைவெளி மட்டும் உள்ள வரி,para twoஎன்பது 3 வரிகளில் 1 பத்தி. trailingக்குப் பின் புதிய வரி இருந்தால் 2 வரிகள்.
வாசிப்பு மற்றும் பேச்சு நேரம்
நேரம் என்பது சொற்கள் ÷ 200 அல்லது ÷ 130 மட்டுமே. எடுத்துக்காட்டுகள்: 65 சொற்கள் = வாசிப்பு 20 வி, பேச்சு 30 வி; 200 சொற்கள் = வாசிப்பு 1 நிமி, பேச்சு 2 நிமி (92 வி என்பது 2 நிமி ஆக முழுமையாகும்); 500 சொற்கள் = வாசிப்பு 3 நிமி (150 வி மேல்நோக்கி முழுமையாகும்), பேச்சு 4 நிமி. சீனம், ஜப்பானியத்துக்கு நேரம் பிரிக்கப்பட்ட சொல் எண்ணிக்கையிலிருந்து கணக்கிடப்படும்; அது தோராயமான வழிகாட்டி மட்டுமே.
குறிப்பு: படிவத்தில் கடுமையான வரம்பு இருந்தால், அந்தச் சரியான சரத்தை படிவத்திலேயே சோதியுங்கள். வெவ்வேறு அமைப்புகள் வரி முறிவுகளை (1 அல்லது 2), எமோஜி, உச்சரிப்புகளை வெவ்வேறு விதமாக எண்ணும்.
பொதுவான தவறுகள்
- சீன அல்லது ஜப்பானிய சொல் எண்ணைத் துல்லியமானது என்று கருதுவது; அது உலாவியின் சொல் பிரிப்பைப் பொறுத்தது.
- மற்றொரு எண்ணியுடன் ஒப்பிட்டு ஒன்று தவறு என்று கருதுவது; வேறுபாடு பொதுவாக வரி முறிவுகள், இணைப்புக்குறிகள், எமோஜியால் வரும்.
- கொடிகள், குடும்ப எமோஜி, தமிழில் கண்ணுக்குத் தெரியும் ஓர் எழுத்து எண்ணிக்கையில் ஒன்று என்று நினைப்பது.
- U+200B போன்ற கண்ணுக்குத் தெரியாத எழுத்துகளும் எழுத்து எண்ணிக்கையைக் கூட்டும் என்பதை மறப்பது.
தொடர்புடைய கருவிகள்
மறைந்த எழுத்து சுத்தப்படுத்தி எண்ணிக்கையைப் பெருக்கும் பூஜ்ஜிய அகல எழுத்துகளைக் கண்டுபிடிக்கும். Unicode ஆய்வி ஓர் எழுத்தின் குறியீட்டுப் புள்ளியைத் தேடிக் காட்டும். உரை வரிசைப்படுத்தி, எழுத்து வகை மாற்றி, வரி முறிவுகளை நீக்கு ஆகியவை எண்ணும் முன் உரையைச் சீர்செய்யும். உரை வேறுபாடு இரு பதிப்புகளை ஒப்பிடும்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
என் உரை சேவையகத்திற்கு அனுப்பப்படுகிறதா?
இல்லை. அனைத்தும் உங்கள் உலாவியில் JavaScript மூலம் இயங்குகிறது. நீங்கள் தட்டச்சு செய்வதோ ஒட்டுவதோ பதிவேற்றப்படவோ பதிவு செய்யப்படவோ சேமிக்கப்படவோ இல்லை.
நீள வரம்பு உள்ளதா?
நிலையான வரம்பு இல்லை — நடைமுறை உச்சவரம்பு உங்கள் உலாவியின் நினைவகமே. பல்லாயிரம் சொற்கள் கொண்ட ஆவணங்கள் சிரமமின்றி கையாளப்படும்.
ஆங்கிலம் அல்லாத உரையைக் கையாளுமா?
ஆம். சொற்கள் இடைவெளிகளால் எண்ணப்படுகின்றன; இது ஆங்கிலம், மலாய், தமிழுக்குப் பொருந்தும். சீனம், ஜப்பானிய மொழிகள் இடைவெளியின்றி எழுதப்படுவதால், அவ்வகை உரை உலாவியின் உள்ளமைந்த சொல் பிரிப்பியால் (Intl.Segmenter) சொற்களாகப் பிரிக்கப்படும்; அது இல்லையெனில் ஒவ்வொரு சீன/ஜப்பானிய எழுத்தும் ஒரு சொல்லாக எண்ணப்படும். வாக்கியங்கள் . ! ? மற்றும் 。 ! ? ஆகியவற்றில் முடியும்.
என் அசல் உரையை மாற்றுமா?
இல்லை. வெளியீட்டு உரையே இல்லை: கருவி நீங்கள் தட்டச்சு செய்வதை மட்டும் படித்து எண்களைக் காட்டும்.
ஆதாரங்கள்
- Unicode UAX #29 — Text Segmentation — Defines grapheme clusters, the 'user-perceived characters' this tool does not count.
- MDN — String iterator (code points)
- MDN — Intl.Segmenter
- MDN — Character class escape \s
இந்த வழிகாட்டி வெளியிடப்பட்ட விதிகளை எளிய மொழியில் விளக்குகிறது. இது நிதி, சட்ட அல்லது அதிகாரப்பூர்வ ஆலோசனை அல்ல — விதிகள் மாறக்கூடும், எனவே முடிவெடுக்கும் முன் மேலே இணைக்கப்பட்ட அமைப்பிடம் உறுதிப்படுத்துங்கள்.