Hesabu maneno, herufi, na muda wa kusoma _

Maneno yanahesabiwaje?

Chombo hiki huhesabu maneno ukitumia API ya Intl.Segmenter iliyojengwa ndani ya kivinjari chako (Chrome 87+, Firefox 125+, Safari 14.1+) inapopatikana, inayoshughulikia kila hati — Kilatini, Kichina, Kiarabu, Devanagari, Kijapani, Kikorea, Kiriliki — na mipaka ya maneno yenye usahihi wa kiisimu iliyotokana na Unicode CLDR. Wakati Intl.Segmenter haipatikani, inarudi kwa msemo wa kawaida unaojua Unicode (/\p{L}+/gu) unaooanisha mkondo wowote wa herufi za Unicode. Zana nyingi zinazoshindana hugawanya kwenye nafasi za wazi za ASCII na kuhesabu vibaya kimya kimya chochote nje ya alfabeti ya Kilatini; hiki hakifanyi hivyo.

Jinsi kuhesabu kunavyofanya kazi

Hatua sita hutokea kwenye kivinjari chako kwa kila kibonyezo. Hakuna yoyote inayogusa mtandao. Mfumo wote unafanya kazi kwa chini ya millisekunde kwa ingizo la urefu wa kawaida wa aya na unashughulikia hati ya maneno 100,000 bila kupoteza fremu.

1. Maandishi yako yanasomwa kutoka kwenye eneo la maandishi na kuhifadhiwa kwenye kumbukumbu ya kivinjari — hakuna kinachoondoka kwenye kifaa chako.
2. Idadi ya herufi hutumia mwendeshaji wa spread wa JavaScript ([...text].length) kuhesabu pointi za msimbo wa Unicode, kwa hivyo emoji kama 🙂 huhesabiwa kama herufi 1 bila kujali usimbaji wao wa ndani wa UTF-16.
3. Idadi ya maneno inategemea Intl.Segmenter na granularity: 'word', ikichuja hadi sehemu ambapo isWordLike ni kweli. Maandishi ya Kichina na Kijapani ambapo maneno hayatenganishwi na nafasi huhesabu sehemu moja kwa kila herufi.
4. Idadi ya sentensi hutumia Intl.Segmenter na granularity: 'sentence', inayoshughulikia vifupisho, mistari mitatu ya nukta, na kesi za pembeni za uakifishaji vizuri kuliko kugawanya kwa nukta rahisi.
5. Idadi ya aya hugawanya kwenye mistari tupu moja au zaidi (\n\s*\n) na huchuja sehemu tupu.
6. Muda wa kusoma na kusema hugawanya idadi ya maneno na kiwango cha WPM kilichosanidiwa (chaguo msingi: kusoma 200, kusema 130) na huumbiza matokeo kama dakika na sekunde.

Kwa nini kuhesabu maneno?

• Mipaka ya insha na uwasilishaji. Maswali ya chuo vikuu yanabana taarifa za kibinafsi kwa maneno 650 (Common App), maneno 500 (taarifa nyingi za UCAS za Uingereza), au herufi 4,000 na nafasi. Kujua idadi yako kabla ya kuwasilisha kunamaanisha hakuna kata za mwisho wa dakika chini ya shinikizo.
• SEO na upangaji wa maudhui. Timu za ubora wa utafutaji hutumia idadi ya maneno kama mbadala wa takriban kwa kina cha mada, na kurasa ndefu kati ya maneno 1,500 na 2,500 kwa uthabiti hushinda machapisho mafupi kwa maswali ya ushindani. Kufuatilia idadi yako unapopanga rasimu huweka rasimu katika safu hiyo bila kujaza.
• Kipimo cha mitandao ya kijamii. X inabana machapisho kwa herufi 280, makala ya LinkedIn kwa 110,000, maelezo ya Instagram kwa 2,200, na maelezo ya meta kwa takriban 160. Kipande cha herufi kinakuonyesha takwimu halisi kabla hujabandika kwenye kihariri cha jukwaa na kugundua ilikatwa.
• Makadirio ya unukuzi na uwasilishaji. Muda wa kusoma kwa WPM 200 unalingana na kusoma kimya kwa wastani; muda wa kusema kwa WPM 130 unalingana na uwasilishaji wa mazungumzo. Tumia vyote kupanga sehemu ya podcast, kupanga mazungumzo ya dakika 5 ya radi, au kukadiri muda wa uimbaji kabla ya kikao cha kurekodi.

Matumizi ya kawaida

Kuhesabu maneno na herufi kunaonekana katika kazi za uandishi, maudhui, na uendelezaji, na injini ya kujua Unicode ya chombo ina umuhimu zaidi kwa timu zinazotuma maudhui kwa lugha zaidi ya moja:

• Uandishi wa kitaaluma: fuatilia maendeleo kuelekea lengo la sura ya tasisi au thibitisha kwamba muhtasari unabaki ndani ya kikomo cha herufi cha jarida kabla ya uwasilishaji.
• Nakala ya masoko na UX: pima mstari wa somo, kichwa cha shujaa, au lebo ya kitufe cha CTA dhidi ya bajeti ya herufi ambayo msanifu wako aliweka kwenye Figma.
• Uandishi wa hotuba na podikasti: badilisha hati kuwa muda uliotegemewa ili ujue kama mhadhara mkuu unaendelea muda mrefu kabla ya siku ya mazoezi.

Mfano wa kuhesabu maneno unakaa vipi?

Chukua sampuli hii ya aya tatu. The quick brown fox jumps over the lazy dog. Sentensi hapo juu ni pangram — ina kila herufi ya alfabeti ya Kiingereza, ndiyo maana wachapishaji na wabunifu wa fonti wanaitumia kuhakiki uso wa chapa. Pangrams zinarudi angalau hadi karne ya 19, wakati waendeshaji wa telegraph walitumia sentensi fupi zenye herufi kamili kupima usahihi wa usambazaji. Leo zinaonekana katika mifano ya fonti, majaribio ya kibodi, na maandishi ya nafasi ya chaguo msingi ya kila programu ya ubunifu kutoka Figma hadi InDesign. Bandika hiyo kwenye ingizo na vipande vya vipimo vinawasilisha: maneno 71, herufi 410 na nafasi, herufi 340 bila nafasi, sentensi 4, aya 3, muda wa kusoma wa takriban sekunde 21 kwa WPM 200, na muda wa kusema wa takriban sekunde 33 kwa WPM 130. Paneli ya maneno yanayoonekana zaidi huacha maneno ya usimamizi kama the na a na huwasilisha maneno ya maudhui yanayotawala. Badilisha kuwa maandishi ya Kichina, Kiarabu, au Kihindi na kila kipande kihesabu upya dhidi ya sheria za kugawanya za hati yenyewe.

Maneno yanahesabiwaje?

Kwenye vivinjari vinavyosaidia Intl.Segmenter (Chrome 87+, Firefox 125+, Safari 14.1+) chombo hutumia new Intl.Segmenter(locale, { granularity: 'word' }) na kuhesabu sehemu ambapo isWordLike ni kweli. Hii hushughulikia Kichina, Kijapani, Kiarabu, Devanagari, na kila hati nyingine ya Unicode kwa usahihi. Kwenye vivinjari vikongwe msemo wa kurudi nyuma wa /\p{L}+/gu huoanisha mkondo wowote wa herufi za Unicode, ambao unafanya kazi vizuri kwa lugha za hati ya Kilatini lakini hutreata neno zima la Kichina au Kijapani kama sehemu moja bila kujali ukosefu wa nafasi.

Kwa nini idadi inatofautiana na MS Word?

Algorithm ya kuhesabu maneno ya Microsoft Word ni ya umiliki na inashughulikia michanganyiko iliyounganishwa kwa nyuzi, mikazo, na herufi maalum tofauti kwenye matoleo. Chombo hiki huhesabu "won't" kama neno moja (sehemu moja ya isWordLike), wakati Word inaweza kuihesabu kama mbili. Kwa nathari nyingi idadi zinakubaliana ndani ya 1–2%; kwa maandishi yenye nyuzi yanaweza kutofautiana zaidi. Idadi za herufi daima zinakubaliana mfuatano chanzo ukiwa mfuatano ule ule wa UTF-8.

Je, hii inasaidia hati zisizo za Kilatini (Kichina, Kiarabu, Kiriliki)?

Ndiyo. API ya Intl.Segmenter inajua Unicode kwa muundo. Kiarabu na Kiebrania (hati za kuandika kulia kwenda kushoto) huhesabiwa kwa usahihi; Kiriliki na Kigiriki huhesabiwa kama mgawanyiko wa kawaida wa mpaka wa neno wa mtindo wa Kilatini; Kichina na Kijapani huwasilisha sehemu moja inayofanana na neno kwa kila herufi kwa sababu mifumo hiyo ya uandishi haitumii nafasi kati ya maneno. Idadi ya herufi (ukitumia [...text].length) daima huhesabu pointi za msimbo wa Unicode bila kujali hati, kwa hivyo emoji, herufi za CJK, na herufi za Kilatini zenye diacritics zote huhesabiwa kama 1.

Je, maandishi yangu yanapakiwa?

Hapana. Kila hesabu inafanya kazi ndani ya kichupo chako cha kivinjari ukitumia API za asili za JavaScript. Hakuna kinachotumwa kwa seva za Ultim8Soft au huduma yoyote ya wahusika wengine. Unaweza kuithibitisha kwa kufungua DevTools ya kivinjari, kwenda kwenye kichupo cha Mtandao, kufuta kumbukumbu, kuandika kwenye ingizo, na kuthibitisha kwamba maombi ya sifuri ya mtandao yanaonekana kwa hatua ya kuhesabu.

Kihesabu hiki cha maneno kinafanya kazi kabisa kwenye kivinjari chako. Hakuna kupakia, hakuna akaunti, hakuna maktaba ya muuzaji, hakuna takwimu kwenye maandishi yaliyohesabiwa. Bandika maandishi yoyote katika hati yoyote, tazama vipande vya vipimo saba visasishe unapochapisha, na nakili unachohitaji. Chombo chote ni takriban KB 12 za JavaScript inayopakia mara moja na kufanya kazi bila mtandao baada ya ziara ya kwanza.