Contador de Caracteres y Palabras
Cuenta caracteres, palabras, oraciones, párrafos y estima el tiempo de lectura.
Sobre el Análisis de Texto
Contar caracteres parece simple hasta que aparece Unicode. Un solo carácter visible (clúster de grafemas) puede consistir en múltiples puntos de código Unicode. El emoji de familia, por ejemplo, es una secuencia de emojis individuales unidos por conectores de ancho cero. Esta herramienta cuenta tanto puntos de código Unicode (la longitud de cadena en la mayoría de lenguajes de programación) como los bytes UTF-8 totales, que determinan el tamaño real de almacenamiento y transmisión.
El conteo de palabras sigue un modelo de división por espacios en blanco: caracteres consecutivos que no son espacios separados por uno o más espacios. Esto coincide con el comportamiento de la mayoría de procesadores de texto y el comando wc. El conteo de oraciones usa límites de punto, exclamación e interrogación. La estimación de tiempo de lectura usa 238 palabras por minuto (velocidad promedio de lectura silenciosa según Brysbaert, 2019), mientras que el tiempo de habla usa 150 palabras por minuto.
El análisis de frecuencia de palabras muestra las 10 palabras más comunes, excluyendo tokens de un solo carácter. Esto es útil para verificar la densidad de palabras clave en contenido SEO, detectar palabras de relleno sobreutilizadas o analizar la distribución de vocabulario de un texto.
Preguntas frecuentes
¿Como se cuentan los caracteres?
Los caracteres se cuentan usando la longitud de puntos de codigo de la cadena (string.length en JavaScript). Cada punto de codigo Unicode cuenta como un caracter. Algunos caracteres visibles, como ciertos emoji, consisten en multiples puntos de codigo unidos, por lo que el conteo puede diferir de lo que se ve en pantalla.
¿Como se estima el tiempo de lectura?
El tiempo de lectura se calcula dividiendo el total de palabras por 238 palabras por minuto, la velocidad promedio de lectura silenciosa en ingles medida por Brysbaert (2019) en un metaanalisis de 190 estudios. Es una estimacion; la velocidad real varia segun la experiencia del lector, la complejidad del texto y el idioma.
¿Como se cuentan las oraciones?
Las oraciones se cuentan detectando grupos de signos de puntuacion finales: puntos (.), signos de exclamacion (!) y signos de interrogacion (?). Cada grupo consecutivo de estos caracteres cuenta como un limite de oracion. Las abreviaturas como "EE.UU." pueden inflar ligeramente el conteo.
¿Para que se usa el conteo de bytes UTF-8?
El conteo de bytes UTF-8 muestra el tamano real de almacenamiento de tu texto en codificacion UTF-8, la codificacion dominante en la web. Los caracteres ASCII usan 1 byte cada uno, pero las letras acentuadas, caracteres CJK y emoji usan de 2 a 4 bytes. Este conteo es importante para limites de columnas de bases de datos, tamanos de payload HTTP y limites de solicitudes API.
¿Por que se excluyen las palabras de un solo caracter del analisis de frecuencia?
Los tokens de un solo caracter como letras y fragmentos de puntuacion se excluyen porque dominan las listas de frecuencia sin proporcionar informacion significativa sobre el vocabulario. La tabla de frecuencia se centra en palabras sustantivas que revelan patrones de escritura y distribucion de vocabulario.