词频统计

怎么用

1. 把文本粘贴进输入框——排行随输入实时出现，不需要点任何按钮。
2. 按需要切换「按频次 / 按拼音」、关掉「隐藏虚词」，或切到「按单字」；列表立即更新。
3. 看「词数 / 不同」核对规模，然后复制或下载整张表（词、次数、占比，制表符分隔）。

示例

今天天气很好，我们去公园散步。今天公园里人很多，天气也不错。

公园 — 2 (13.3%)
今天 — 2 (13.3%)
天气 — 2 (13.3%)
不错 — 1 (6.7%)
很多 — 1 (6.7%)
很好 — 1 (6.7%)
里 — 1 (6.7%)
去 — 1 (6.7%)
人 — 1 (6.7%)
散步 — 1 (6.7%)

中文没有空格，词由浏览器分词给出（估算）：公园、今天、天气各 2 次，按拼音排（公园 gōngyuán < 今天 jīntiān < 天气 tiānqì）；「我们」「也」被虚词表隐藏。占比的分母是全部 15 个词（含被隐藏的词），所以各行相加不到 100%。切到「按单字」后第一位是「天」（4 次）。

口径、局限与已知问题

• 分词来自浏览器内置的分词词典（`Intl.Segmenter`）：中文按词切分是估算结果，不同浏览器版本可能把「很好」拆成「很 / 好」。需要词典级分词、词性标注或自定义词典时，请用专业文本分析工具。
• 虚词默认隐藏，词表固定且在此全文公开（68 个中文虚词）：的, 地, 得, 了, 着, 过, 是, 在, 和, 与, 及, 或, 而, 就, 也, 都, 很, 还, 又, 再, 才, 只, 被, 把, 让, 从, 到, 于, 对, 为, 以, 之, 其, 这, 那, 有, 不, 没, 我, 你, 他, 她, 它, 我们, 你们, 他们, 这个, 那个, 什么, 怎么, 因为, 所以, 但是, 如果, 可以, 已经, 还是, 只是, 这样, 那样, 时候, 自己, 以及, 还有, 就是, 不是, 一个, 一些。取消勾选即可显示全部词。
• 虚词表跟页面语言绑定，不跟文本语言绑定：在中文页粘贴英文，`the` 不会被中文词表过滤。统计英文请切到英文页。
• 占比的分母永远是全部词（含被隐藏的虚词），所以打开过滤后各行相加小于 100%；条形长度是另一回事——它相对最高频词，只用于视觉对比。
• 不做词干化与词形合并：`跑 / 跑了 / 跑过` 是三个词；也不做词组、bigram 或 n-gram（`文本分析` 不会切出「本分」这类跨词伪词）。
• 不做 Unicode 规范化：全角「ｈｅｌｌｏ」与半角「hello」是两个词条；字母与数字的大小写折叠走浏览器 locale（土耳其语 `I/İ` 也会按 locale 处理）。
• 按单字只数汉字、平假名与片假名：字母、数字、标点、emoji 都不计入。
• 同频词按页面语言的排序规则排列（中文拼音、英文 A–Z、阿语字母表）；排序数据来自浏览器，不同 ICU 版本可能有细微差异。
• 列表最多渲染 300 行，复制与下载始终是完整列表。超过 20 万字符时，停止输入约 0.6 秒后更新，文本不会被截断。
• 不支持上传文件或解析 PDF/Word、自定义虚词表、词云图、历史记录与分享链接；全部在浏览器本地完成，输入不上传、不存储。

相关文本工具

看清高频词之后，通常还要做的事。