Ferramenta de Estatísticas Avançadas de Texto

• Contador de palavras
• Analisador de texto
• Verificador de legibilidade
• Frequência de palavras
• Extrator de palavras-chave
• Dividir texto

Uma média por si só quase nada diz. Dois documentos podem ter o mesmo comprimento médio de frase de vinte palavras, enquanto um se lê de forma regular e o outro alterna fragmentos de cinco palavras com frases do tamanho de um parágrafo. É com o segundo que o leitor luta, e só uma distribuição o mostra. Esta ferramenta mede a forma da sua escrita — como os comprimentos se distribuem, quão irregulares são, quão variado é o vocabulário — para que decida o que editar antes de enviar seja o que for.

Vantagens

• Distribuições, não apenas médias: comprimento de palavra e de frase como histograma completo, com média, mediana, desvio padrão, mínimo e máximo ao lado.
• Um valor de diversidade que sobrevive ao comprimento: MTLD ao lado da razão tipo-ocorrência, para que dois documentos de tamanhos diferentes sejam realmente comparáveis.
• Detecção de frases correta: decimais, abreviaturas, siglas, domínios, nomes de arquivo e reticências ficam dentro da frase.
• Contagens corretas em qualquer escrita: chinês, japonês, tailandês, khmer, laosiano e birmanês são segmentados corretamente.
• Um perfil de pontuação: cada sinal contado, com densidade por frase e por cem palavras.
• No seu dispositivo, não nos nossos servidores: sem envios, e a página continua funcionando offline depois de carregada.

Um documento de 25 MB é analisado em cerca de um segundo num computador desktop, com o trabalho fora da página para que escrever nunca falhe.

O texto é percorrido três vezes: uma sobre caracteres, uma para os limites de frase, uma para as palavras. Cada passagem escreve em contadores de tamanho fixo em vez de construir listas, e por isso um documento de 25 MB termina em cerca de um segundo e o trabalho pode ficar totalmente fora da página — escrever nunca falha, e não há botão pedindo sua autorização para a análise que já pediu.

O que cada número significa

• Palavras: sequências de letras e, opcionalmente, algarismos. Apóstrofos e hifens unem uma palavra quando as opções o dizem.
• Frases: limites encontrados pelo detector inteligente descrito abaixo, ou por um corte simples em . ! ?.
• Parágrafos e linhas: uma linha é uma linha com conteúdo; um parágrafo é um bloco de linhas separado do seguinte por uma linha em branco. Ambos são indicados porque nenhum sozinho é o que todo mundo entende.
• Média, mediana e desvio padrão: a média, o valor central, e a que distância da média está um valor típico. Um desvio grande no comprimento das frases é a assinatura de um ritmo irregular.
• Razão tipo-ocorrência: formas únicas divididas por todas as palavras, em porcentagem. Simples, conhecida — e dependente do comprimento.
• MTLD: quantas palavras passam antes de a razão corrente descer abaixo de 0,72, com média nos dois sentidos. Mais alto significa mais variado.
• Hápax legómena: palavras usadas exatamente uma vez.

Um ponto não é um limite de frase. É um caractere que costuma sê-lo, e as exceções são frequentes o suficiente para que um corte ingénuo erre em prosa comum. A detecção inteligente é aqui o padrão e mantém a frase unida em todos os casos seguintes.

Como funciona a detecção de frases

• Decimais e números de versão — 3.50 e 1.2.3 estão dentro de uma frase, não em duas ou três.
• Tratamentos abreviados — Dr., Sra., Prof. e semelhantes nunca terminam uma frase.
• Abreviaturas que às vezes terminam — etc., et al., p. ex., vol., fig., jan. Só cortam se o que se segue for maiúscula ou aspa de abertura.
• Siglas — E.U.A. seguido de maiúscula é um limite; seguido de minúscula não.
• Domínios e nomes de arquivo — example.com e report.txt não são duas frases.
• Reticências — Espera… nada aconteceu é uma frase; Espera… Nada aconteceu são duas.
• Aspas e parênteses de fecho pertencem à frase que terminam.
• Uma linha em branco termina uma frase, para que um título ou item de lista seja uma frase própria.
• Os pontos de largura total, o danda devanágari e os sinais árabes também terminam frases.

A detecção simples mantém-se ao lado e faz o que quase qualquer outro contador online faz: cortar em cada . ! ? e mais nada. Está lá para poder reproduzir o número de outra ferramenta, não por ser mais correta.

A medida conhecida é a razão tipo-ocorrência: formas únicas divididas pelo total de palavras. É fácil de explicar e tem um defeito que pesa mais do que parece: desce à medida que o texto cresce, faça o autor o que fizer. Um ensaio de 500 palavras e um livro de 90 000 do mesmo autor pontuam de forma muito diferente, e a diferença é o comprimento, não o vocabulário.

Diversidade lexical

• A razão tipo-ocorrência é mostrada porque é o número que as pessoas conhecem e porque em textos de comprimento semelhante é perfeitamente utilizável.
• O MTLD aparece ao lado porque não depende do comprimento. Conta quantas palavras passam antes de a razão corrente descer abaixo de um limiar fixo e indica palavras por descida.
• O MTLD é calculado para a frente e para trás e depois é feita a média, porque um texto que concentra as palavras raras no início pontua diferente em cada sentido.
• Abaixo de cerca de cinquenta palavras não há nada a medir e não é mostrado MTLD, em vez de um número inventado a partir de texto insuficiente.
• Os hápax legómena são a terceira vista. Juntas, as três separam um vocabulário amplo de um repetitivo e de um simplesmente curto.

Cole texto ou abra um arquivo de texto simples e leia as distribuições de comprimento, os valores de diversidade e o perfil de pontuação.

Como obter estatísticas de texto online

1. Adicione o seu texto — Cole na caixa ou abra um arquivo .txt, .md, .log, .csv ou .tsv. Nada é enviado — a análise roda no seu dispositivo.
2. Escolha como contar — A detecção inteligente mantém inteiros os decimais, as abreviaturas e as siglas. A detecção simples corta em cada ponto, como fazem quase todos os contadores. Números, apóstrofos e hifens incluem-se ou excluem-se separadamente.
3. Leia o perfil — As distribuições mostram a forma da sua escrita, não apenas a média. O desvio padrão diz quão regulares são as suas frases; o MTLD diz quão variado é o seu vocabulário sem penalizar o comprimento.
4. Exporte ou compare — Copie o relatório ou baixe-o como texto. Com Pro exporta CSV ou JSON e analisa até 100 documentos numa tabela comparativa, com todos os relatórios num único arquivo.

Sempre que estiver prestes a tomar uma decisão de edição e quiser provas em vez de uma impressão, e sempre que comparar duas versões do mesmo texto.

Casos de uso ideais

• Editar um rascunho: encontrar a frase do tamanho de um parágrafo e ver se o ritmo é regular.
• Comparar versões: analisar o antes e o depois e ver que números se mexeram mesmo.
• Comparar um conjunto: com Pro, analisar uma pasta de rascunhos numa tabela e encontrar o discrepante sem abrir nenhum.
• Guias de estilo: verificar um limite de comprimento de frase pela distribuição em vez da média.
• Ensino e investigação: demonstrar medidas de diversidade lexical num texto real, com a razão e o MTLD lado a lado.
• Respostas de inquérito e avaliações: abrir a coluna CSV de respostas abertas e analisá-la como prosa.
• Rascunhos privados: manuscritos inéditos e documentos confidenciais, sem envios.

O que os números são exatamente e onde param. Tudo o que se segue é uma propriedade da medição, não um aviso sobre uma ferramenta por acabar.

Pontos-chave

• Os comprimentos são medidos em pontos de código, por isso uma letra acentuada ou um emoji contam como um caractere.
• O comprimento de uma palavra conta as suas letras e algarismos. A pontuação colada não faz parte dela.
• O comprimento de uma frase é medido em palavras, com a mesma definição de palavra que as suas opções escolherem.
• A mediana vem da distribuição exata, não de uma amostra, por isso é a mediana verdadeira em qualquer tamanho.
• O desvio padrão é o valor populacional sobre todas as palavras ou todas as frases, não uma estimativa amostral.
• A frase mais longa e a mais curta são mostradas até 4 000 caracteres; acima disso a pré-visualização é cortada e indica-o, sendo o comprimento indicado o real.
• Em caso de empate ganha a primeira ocorrência.
• Uma distribuição de cauda longa é agrupada em 24 intervalos em vez de truncada — as poucas frases muito longas são o resultado.

Esta ferramenta lê texto simples. Tudo o resto é recusado logo no seletor de arquivos, com um link para a ferramenta daqui que extrai o texto, porque um documento Word entregue a um leitor de texto produz estatísticas sobre a marcação e não sobre a prosa — uma página inteira de números convincentes, plausíveis e completamente errados.

O que lê e o que não lê

• Lê: .txt, .text, .md, .markdown, .log, .csv e .tsv.
• Codificações: UTF-8, UTF-8 com marca de ordem de bytes, UTF-16 em ambas as ordens e Windows-1252 como recurso. Um arquivo salvo no Bloco de Notas como «Unicode» é UTF-16 e é lido corretamente.
• Documentos Word: extraia o texto primeiro e depois analise-o.
• PDF: extraia o texto primeiro e depois analise-o.
• Apresentações: extraia o texto primeiro e depois analise-o.
• Planilhas: exporte como CSV a coluna que quiser, que esta ferramenta lê diretamente.
• Imagens, áudio e vídeo: reconheça ou transcreva o texto primeiro.
• Arquivos binários renomeados para .txt: recusados, em vez de analisados até ao disparate.

Os números valem o que valer a comparação em que os colocar.

Considerações de qualidade

• Compare o comparável. Mude uma só coisa entre dois perfis: o rascunho, não o rascunho e as opções ao mesmo tempo.
• Use o MTLD, não a razão tipo-ocorrência, sempre que os dois documentos diferirem no comprimento.
• Leia o desvio padrão junto da média. Uma média de 18 com desvio 4 e uma de 18 com desvio 16 são documentos diferentes.
• Retire a marcação antes de analisar se quer estatísticas sobre a prosa. A sintaxe Markdown conta como pontuação: correto, mas provavelmente não é a sua pergunta.
• Para uma contagem jurídica ou acadêmica, verifique que definição de «palavra» é exigida e ajuste as opções antes de citar um número.
• Não leia a diversidade lexical como nota de qualidade. Mede variedade, e variedade nem sempre é o que um texto precisa.

Quando não confiar nela

• Quando precisar de um nível de leitura graduado — Flesch, Fog, SMOG ou um ano de escolaridade. O verificador de legibilidade deste site calcula-os.
• Quando precisar de saber que palavras aparecem e quantas vezes. Isso respondem a frequência de palavras e o extrator de palavras-chave.
• Quando os limites de frase tiverem de seguir as regras de uma editora específica em vez do uso corrente.
• Quando precisar de estatísticas de sílabas, lemas, classes gramaticais ou n-gramas.
• Como suíte de plágio, gramática ou SEO. Mede, não julga.

O plano gratuito analisa um documento até 25 MB — cerca de quatro milhões de palavras — com todas as métricas incluídas: nada nesta página está atrás do pagamento. O Pro remove o limite de tamanho imposto, elevando o teto ao que o seu dispositivo aguenta, e acrescenta o que a escala exige: até 100 documentos numa passagem, uma tabela comparativa, exportação CSV e JSON, e todos os relatórios num único arquivo. A ferramenta precisa de JavaScript e de um navegador atual; a análise roda fora da página, por isso um documento grande nunca congela a aba.

Fluxo de edição recomendado

• Analise primeiro o rascunho e leia antes de tudo a distribuição de comprimento das frases: a cauda é onde está o trabalho.
• Abra a frase mais longa, divida-a e analise de novo para confirmar que o desvio desceu mesmo.
• Verifique a diversidade com o MTLD se os dois rascunhos tiverem comprimentos diferentes; com a razão tipo-ocorrência se não.
• Use o aparador, o divisor ou o removedor de duplicados para a limpeza que o perfil apontou.
• Termine com uma verificação de legibilidade e uma passagem de palavras-chave antes de publicar.

Para uma revisão completa, use este perfil com o verificador de legibilidade para valores graduados, a frequência de palavras para ver em que palavras se apoia, e o contador de palavras quando só precisar de um número.