Herramienta de Frecuencia de Palabras

1. 1

   Añade tu texto

   Pégalo en el cuadro o suelta un archivo .txt, .md, .csv, .tsv, .log, .json, .srt o .vtt. Los textos cortos se cuentan mientras escribes; los documentos largos y los archivos se cuentan al pulsar Analizar. No se sube nada.

2. 2

   Elige palabras o frases

   Una palabra da la lista de frecuencias clásica. Dos, tres o cuatro palabras dan la frecuencia de frases: la vista que muestra la redacción repetida, no solo el vocabulario repetido.

3. 3

   Ajusta los filtros

   Desactiva las palabras vacías para ver la lista en bruto, o déjalas activadas para que suban las palabras con contenido. Sube la longitud mínima para descartar tokens cortos, sube las ocurrencias mínimas para ocultar lo que aparece una sola vez, y busca dentro de los resultados para aislar un término.

4. 4

   Lee la columna de densidad

   La densidad es la parte que representa ese término sobre todo lo contado. En las frases el denominador es el número de posiciones de frase, no el de palabras, de modo que una densidad de dos palabras es comparable con otra densidad de dos palabras.

5. 5

   Expórtalo

   Descarga CSV para una hoja de cálculo, JSON cuando quieras que los ajustes queden registrados junto a los recuentos, o texto plano para pegarlo donde sea. La exportación contiene todas las filas que admiten tus filtros, no solo las visibles.

Una tabla de frecuencias vale lo que vale su definición de palabra, así que esta está escrita en lugar de quedar escondida en una expresión regular que nadie lee. Una palabra es una secuencia de letras, dígitos y marcas combinantes. Un apóstrofo o un guion une dos secuencias en una sola palabra cuando después viene un carácter de palabra, de modo que don't, it’s, bien-conocido y punta-de-lanza son una única entrada cada uno, mientras que dogs' deja su apóstrofo fuera del recuento y fin--inicio siguen siendo dos palabras.

Las reglas, completas

• Letras y marcas viajan juntas. Las matras devanagari, las harakat árabes, los niqqud hebreos y los acentos latinos descompuestos forman parte de la palabra a la que se adhieren, no son separadores. Un contador que los trata como puntuación informa de हिन्दी como tres fragmentos.
• Los números son opcionales. Desactívalos y 2026, 1.200 y v1.2 dejan de generar entradas, que es lo que quieres en un manuscrito y no lo que quieres en un archivo de registro.
• Las mayúsculas son opcionales. Desactivadas por defecto, así que El y el son una sola palabra. Actívalas y los contadores sobre la tabla cambian con ellas: palabras únicas y diversidad se recalculan, no se quedan mostrando la respuesta anterior.
• No hay derivación. correr, corre y corriendo son tres entradas. Derivar depende del idioma y se equivoca con la frecuencia suficiente en nombres y términos técnicos como para que una suposición silenciosa sea peor que una separación honesta.
• Las frases terminan en un signo seguido de espacio. Un punto entre dígitos o dentro de un dominio no termina una frase, así que 3.14 y example.com quedan enteros, algo que importa porque las expresiones nunca se construyen cruzando un final de frase.

La frecuencia de palabras sueltas encuentra vocabulario repetido. La frecuencia de frases encuentra redacción repetida, que suele ser lo que de verdad querías saber. Pon la longitud de frase en dos y una página que dice mejora tu flujo de trabajo once veces deja de esconderse tras once recuentos de aspecto inofensivo de mejora, tu y flujo.

Dos reglas que hacen honesta la tabla de frases

• Una frase nunca cruza un final de oración ni un salto de línea. «…termina el informe. El siguiente paso…» no puede producir informe el, porque nadie lo escribió. Todos los contadores de frases en línea revisados durante esta reconstrucción deslizan su ventana por todo el documento y sí producen expresiones así: son ruido en lo alto de la tabla, y cuanto más cortas son las oraciones, más ruido hay.
• Con las palabras vacías activadas, una frase solo se elimina cuando empieza o termina con una. Las interiores se conservan, así que a pesar de todo, punto de vista y regla de tres siguen en la tabla mientras que de la y en un salen de ella. Una regla que descartara cualquier frase que contuviera una palabra vacía borraría las tres.

Cada fila lleva una densidad: la parte que representa ese término sobre todo lo contado, en porcentaje. Para palabras sueltas el denominador es el recuento de palabras. Para frases es el número de posiciones de frase, una cifra menor, así que una densidad de dos palabras es comparable con otra de dos palabras y no con una de una sola. La herramienta lleva la contabilidad; la interpretación es la parte que conviene cuidar.

Cómo leerla sin engañarse

• No existe una densidad correcta. Ningún buscador publica un objetivo y ningún umbral separa la buena escritura de la mala. Una cifra solo significa algo junto a una comparación: la misma página antes de una edición, o una página que ya posiciona para la misma consulta.
• Una palabra suelta por encima del 4–5 % en prosa normal suele indicar una repetición que el lector va a notar, no una optimización. Lee las frases antes de cambiar nada: lo normal es reescribir un párrafo, no borrar apariciones.
• Los documentos largos lo diluyen todo. Un término al 0,4 % en una página de 5.000 palabras puede ser mucho más prominente que uno al 2 % en una de 200, porque la prominencia depende de la colocación tanto como de la proporción.
• Compara lo comparable. Activa las palabras vacías antes de comparar dos documentos, o la comparación medirá sobre todo cuál usó más artículos.

Las palabras vacías son las que un idioma no puede evitar y una tabla de frecuencias no puede aprovechar: artículos, pronombres, auxiliares, cópulas, preposiciones y conjunciones frecuentes. Son la cabecera de cualquier lista sin filtrar en cualquier idioma, y por eso el filtro viene activado.

Aquí las listas cubren la clase cerrada de verdad en lugar de muestrearla —226 entradas en inglés, 172 en alemán, 154 en español, 151 en francés, 141 en portugués y 118 en indonesio— y cada contracción aparece con las dos formas de apóstrofo, porque todos los procesadores de texto producen el apóstrofo tipográfico y una lista que solo tuviera el ASCII fallaría en silencio con cualquier texto pegado desde uno. Las palabras con contenido nunca están en una lista, por frecuentes que sean: tiempo, gente y trabajo significan algo y deben aparecer en tu tabla.

Desactívalas cuando

• Estudies el estilo y no el tema. Las tasas de palabras funcionales son la base de casi todo el trabajo de atribución de autoría y legibilidad, y filtrarlas elimina la señal.
• El texto no sea prosa: código, registros, columnas de CSV, archivos de subtítulos. Una lista pensada para un idioma no le hace nada útil a una columna de identificadores.
• Trabajes en un idioma que el selector no cubre. Elige Ninguna en lugar de filtrar con la lista de otro idioma, que elimina un puñado de palabras sin relación y parece haber funcionado.

Porque la repetición es invisible desde dentro. Quien escribe ha leído cada frase una docena de veces y ya no oye la palabra que ha usado en todas las páginas; quien revisa una página de destino no sabe si una expresión se lee como énfasis o como relleno. Una tabla de frecuencias es la opinión externa más barata que existe.

Para qué va bien

• Cazar una muletilla. Todo el mundo tiene una. Ordena por frecuencia con las palabras vacías activadas y suele estar en las diez primeras filas.
• Comparar versiones. Exporta una tabla por revisión y compáralas en una hoja de cálculo: qué subió, qué bajó y qué desapareció del todo.
• Esbozar el equilibrio de keywords. No es un rastreador de posiciones ni lo sustituye, pero responde si una página trata de lo que crees que trata.
• Leer un corpus ajeno. Páginas de la competencia, respuestas de encuestas, tickets de soporte, transcripciones. Los cuarenta términos principales son un resumen que no has tenido que leer.
• Enseñar. La tabla hace visibles la tokenización, la ley de Zipf y la relación tipo-token en unos diez segundos, sobre el texto de la propia clase.

Sobre los resultados hay seis contadores y cada uno responde a una pregunta distinta. Todos salen del mismo recorrido que la tabla, así que no pueden contradecirla — ni siquiera con las mayúsculas activadas, donde la herramienta anterior seguía dando la respuesta sin distinguir mayúsculas.

• Palabras. Todos los tokens contados, sin filtros aplicados. El tamaño de lo que estás mirando.
• Únicas. Entradas distintas, respetando el ajuste de mayúsculas. Junto con el número anterior, esto es el vocabulario.
• Frases. Límites encontrados con la misma regla que usa el recuento de expresiones, así que ambos no pueden discrepar.
• Aparecen una vez. El recuento de hápax. Una proporción alta indica vocabulario variado o muchos nombres propios; una baja, un documento que se repite.
• Diversidad. Únicas dividido entre el total, la relación tipo-token. Útil para comparar textos de longitud parecida y engañosa entre textos muy distintos, porque baja a medida que el documento crece.
• Filtradas. Apariciones que tus filtros actuales han quitado, búsqueda incluida. Es la diferencia entre lo contado y lo que estás mirando, y se mueve cuando se mueve cualquier filtro.

Pases de edición, trabajo ligero de SEO, resúmenes de investigación, demostraciones en clase y cualquier momento en que tengas un documento y ninguna idea de lo que hay dentro.

• Antes de una edición. Localiza primero las palabras y frases repetidas y luego edita con una lista delante en lugar de a ojo.
• Después de una reescritura. Exporta antes y después; la diferencia dice si la reescritura cambió el vocabulario o solo las frases.
• Sobre una página de la competencia. Pega el texto y lee las frases de cuatro palabras. Es la forma más rápida de ver la estructura que eligió otro.
• Sobre transcripciones y subtítulos. Suelta el .srt o el .vtt directamente. Las marcas de tiempo y los números de línea se cuentan como lo que son —números— y desactivar los números los elimina de un clic.
• Sobre registros. Los términos principales de un .log son sus mensajes recurrentes, un triaje aproximado que puedes hacer antes de abrir un visor de registros.

Cuatro hábitos que marcan la diferencia entre una tabla y una respuesta.

• Mira la vista de frases antes que la de palabras. Las palabras sueltas tienen más ruido y la repetición interesante suele medir dos o tres palabras.
• Pon las ocurrencias mínimas en dos antes de sacar cualquier conclusión. Todo lo que aparece una sola vez es vocabulario, no patrón, y en un documento largo es la mayor parte de la tabla.
• Conserva el texto original. Los filtros cambian lo que ves, nunca lo que tienes, pero es fácil podar de más un documento editado mientras se mira una tabla filtrada.
• Exporta en JSON si piensas comparar más adelante. Registra los ajustes y los totales con las filas, y dos tablas hechas con ajustes distintos no son comparables por parecidas que se vean.

Un documento de 10 MB se cuenta en aproximadamente una décima de segundo y uno de 25 MB en aproximadamente un cuarto, frases incluidas, en un portátil de gama media — fuera del hilo de la interfaz, así que escribir nunca se entrecorta mientras trabaja.

Todo se ejecuta en tu dispositivo, así que el techo es tu dispositivo y no una subida: 25 MB por documento en el plan gratuito, y más en Pro, limitado por la memoria disponible en tu dispositivo. Los archivos se leen como texto: .txt, .md, .csv, .tsv, .log, .json, .srt y .vtt. Los formatos que en realidad son contenedores se rechazan en el momento de elegirlos, con un enlace a la herramienta que extrae su texto, porque un .docx leído como texto produce una tabla de fragmentos de marcado que se parece exactamente a una respuesta real.

Lo que no hace

• Nada de derivación ni lematización. Las formas se cuentan tal como están escritas.
• Nada de segmentación de palabras para chino, japonés o tailandés. La tabla es honesta sobre lo que midió, pero las secuencias de caracteres no son palabras en esas escrituras.
• Nada de etiquetado gramatical, así que una lista de palabras vacías no puede distinguir el que pronombre del que conjunción.
• Nada de agrupación semántica. Los sinónimos son entradas separadas, porque decidir que dos palabras significan lo mismo es un juicio, no un recuento.

• Contador de palabras
• Analizador de texto
• Extractor de palabras clave
• Comprobador de legibilidad
• Estadísticas de texto
• Eliminar líneas duplicadas
• Ordenar líneas
• Dividir texto
• Recortar espacios
• Cambiar mayúsculas
• Unir textos
• Word a texto
• Imagen a texto
• Voz a texto