นับคำ ตัวอักษร และเวลาอ่าน _

การนับคำทำงานอย่างไร?

เครื่องมือนี้นับคำโดยใช้ Intl.Segmenter API ในตัวของเบราว์เซอร์ (Chrome 87+, Firefox 125+, Safari 14.1+) เมื่อรองรับ ซึ่งรองรับทุก script — Latin, Chinese, Arabic, Devanagari, Japanese, Korean, Cyrillic — ด้วยขอบเขตคำที่ถูกต้องทางภาษาศาสตร์จาก Unicode CLDR เมื่อ Intl.Segmenter ไม่รองรับ จะ fall back เป็น regular expression ที่รองรับ Unicode (/\p{L}+/gu) ที่ match ตัวอักษร Unicode ต่อเนื่อง เครื่องมือแข่งขันส่วนใหญ่แยกตาม ASCII whitespace และนับผิดสำหรับทุกอย่างนอก Latin alphabet แต่เครื่องมือนี้ไม่

วิธีการนับ

หกขั้นตอนเกิดขึ้นในเบราว์เซอร์ทุกครั้งที่กดปุ่ม ไม่มีการแตะเครือข่ายเลย pipeline ทั้งหมดรันในเวลาน้อยกว่าหนึ่งมิลลิวินาทีสำหรับ input ระดับย่อหน้าทั่วไปและรับมือกับต้นฉบับ 100,000 คำโดยไม่กระตุก

1. ข้อความของคุณถูกอ่านจาก textarea และเก็บใน browser memory — ไม่มีอะไรออกจากอุปกรณ์ของคุณ
2. จำนวนตัวอักษรใช้ spread operator ของ JavaScript ([...text].length) เพื่อนับ Unicode code point ดังนั้น emoji อย่าง 🙂 นับเป็น 1 ตัวอักษรโดยไม่คำนึงถึง UTF-16 encoding ภายใน
3. จำนวนคำพึ่งพา Intl.Segmenter ที่มี granularity: 'word' โดย filter เฉพาะ segment ที่ isWordLike เป็น true ข้อความภาษาจีนและญี่ปุ่นที่คำไม่คั่นด้วยช่องว่างจะนับหนึ่ง segment ต่อตัวอักษร
4. จำนวนประโยคใช้ Intl.Segmenter ที่มี granularity: 'sentence' ซึ่งรับมือกับคำย่อ จุดไข่ปลา และ punctuation edge case ได้ดีกว่าการแยกตามจุดธรรมดา
5. จำนวนย่อหน้าแยกตามบรรทัดว่างหนึ่งบรรทัดขึ้นไป (\n\s*\n) และ filter segment ว่าง
6. เวลาอ่านและพูดหารจำนวนคำด้วยอัตรา WPM ที่กำหนด (ค่าเริ่มต้น: 200 การอ่าน 130 การพูด) และจัดรูปแบบผลลัพธ์เป็นนาทีและวินาที

ทำไมต้องนับคำ?

• ขีดจำกัดเรียงความและการส่งงาน โจทย์มหาวิทยาลัยจำกัด personal statement ที่ 650 คำ (Common App), 500 คำ (UK UCAS) หรือ 4,000 ตัวอักษรพร้อมช่องว่าง การรู้จำนวนก่อนส่งหมายถึงไม่ต้องตัดในนาทีสุดท้ายใต้แรงกดดัน
• SEO และการวางแผนเนื้อหา ทีม search-quality ใช้จำนวนคำเป็นตัวแทนคร่าว ๆ ของความลึกเชิงหัวข้อ และหน้า longform ระหว่าง 1,500 ถึง 2,500 คำมักได้อันดับสูงกว่าโพสต์ที่บางสำหรับ query ที่แข่งขัน การติดตามจำนวนขณะ draft ช่วยให้ draft อยู่ในช่วงนั้นโดยไม่ต้องเติมเนื้อหา
• ขนาด social media X จำกัดโพสต์ที่ 280 ตัวอักษร LinkedIn article ที่ 110,000 Instagram caption ที่ 2,200 และ meta description ที่ประมาณ 160 character tile แสดงตัวเลขแน่นอนก่อนที่คุณจะวางลงใน platform editor และพบว่าถูกตัด
• ประมาณเวลาสำหรับงานถอดความและการนำเสนอ เวลาอ่านที่ 200 WPM ตรงกับการอ่านในใจโดยเฉลี่ย เวลาพูดที่ 130 WPM ตรงกับการพูดสนทนา ใช้ทั้งสองเพื่อกำหนดขนาด podcast segment วาง 5 นาที lightning talk หรือประมาณ runtime การบรรยายก่อนการบันทึก

การใช้งานทั่วไป

การนับคำและตัวอักษรปรากฏในงานเขียน เนื้อหา และการพัฒนา และ Unicode-aware engine ของเครื่องมือสำคัญที่สุดสำหรับทีมที่ส่งเนื้อหาในมากกว่าหนึ่งภาษา:

• งานเขียนวิชาการ: ติดตามความคืบหน้าสู่เป้าหมาย thesis chapter หรือตรวจสอบว่า abstract อยู่ใต้ขีดจำกัดตัวอักษรของวารสารก่อนส่ง
• Copy การตลาดและ UX: วัด subject line, hero headline หรือ label ปุ่ม CTA เทียบกับงบ character ที่ designer กำหนดใน Figma
• การเขียนสุนทรพจน์และ podcast: แปลง script เป็น expected duration เพื่อให้รู้ว่า keynote ยาวเกินไปก่อนวันซ้อม

ตัวอย่างการนับคำมีลักษณะอย่างไร?

ลองตัวอย่างสามย่อหน้านี้ The quick brown fox jumps over the lazy dog. The sentence above is a pangram — it contains every letter of the English alphabet, which is why typographers and font designers use it to preview a typeface. Pangrams date back at least to the 19th century, when telegraph operators used short letter-complete sentences to test transmission accuracy. Today they show up in font specimens, keyboard tests, and the default placeholder text of every design app from Figma to InDesign. วางลงใน input แล้ว metric tile จะรายงาน: 71 คำ 410 ตัวอักษรพร้อมช่องว่าง 340 ตัวอักษรไม่รวมช่องว่าง 4 ประโยค 3 ย่อหน้า เวลาอ่านประมาณ 21 วินาทีที่ 200 WPM และเวลาพูดประมาณ 33 วินาทีที่ 130 WPM panel คำที่พบบ่อยที่สุดข้าม stopword อย่าง the และ a และแสดง content word ที่โดดเด่น สลับเป็นข้อความภาษาจีน อาหรับ หรือฮินดี และทุก tile จะคำนวณใหม่ตามกฎการแบ่ง segment ของ script นั้น

การนับคำทำงานอย่างไร?

ในเบราว์เซอร์ที่รองรับ Intl.Segmenter (Chrome 87+, Firefox 125+, Safari 14.1+) เครื่องมือใช้ new Intl.Segmenter(locale, { granularity: 'word' }) และนับ segment ที่ isWordLike เป็น true วิธีนี้รองรับภาษาจีน ญี่ปุ่น อาหรับ Devanagari และทุก Unicode script อย่างถูกต้อง ในเบราว์เซอร์เก่า fallback regex /\p{L}+/gu จะ match ตัวอักษร Unicode ต่อเนื่อง ซึ่งทำงานได้ดีสำหรับภาษา Latin แต่ถือว่าทั้งคำภาษาจีนหรือญี่ปุ่นเป็น segment เดียวโดยไม่คำนึงถึงการขาดช่องว่าง

ทำไมจำนวนต่างจาก MS Word?

Algorithm การนับคำของ Microsoft Word เป็น proprietary และจัดการ hyphenated compound, contraction และอักขระพิเศษต่างกันในแต่ละเวอร์ชัน เครื่องมือนี้นับ "won't" เป็นหนึ่งคำ (หนึ่ง isWordLike segment) ขณะที่ Word อาจนับเป็นสอง สำหรับ prose ส่วนใหญ่จำนวนจะตรงกันภายใน 1–2% สำหรับข้อความที่มีเส้นขีดอาจต่างกันมากกว่า จำนวนตัวอักษรจะตรงกันเสมอเมื่อ source text เป็น UTF-8 string เดียวกัน

รองรับ script ที่ไม่ใช่ Latin (จีน อาหรับ Cyrillic) หรือไม่?

ใช่ Intl.Segmenter API รองรับ Unicode โดยการออกแบบ อาหรับและฮีบรู (script ขวาไปซ้าย) นับถูกต้อง Cyrillic และกรีกนับแบบ Latin-style word-boundary split ปกติ ภาษาจีนและญี่ปุ่นรายงานหนึ่ง word-like segment ต่อตัวอักษรเพราะระบบการเขียนเหล่านั้นไม่ใช้ช่องว่างระหว่างคำ จำนวนตัวอักษร (ใช้ [...text].length) นับ Unicode code point เสมอโดยไม่คำนึงถึง script ดังนั้น emoji, ตัวอักษร CJK และตัวอักษร Latin ที่มีสำเนียงนับเป็น 1 ทั้งหมด

ข้อความถูกอัปโหลดหรือไม่?

ไม่ ทุกการคำนวณรันภายใน browser tab โดยใช้ native JavaScript API ไม่มีสิ่งใดถูกส่งไปยัง server ของ Ultim8Soft หรือบริการของบุคคลที่สามใด ๆ คุณสามารถตรวจสอบสิ่งนี้ได้โดยเปิด browser DevTools สลับไปที่แท็บ Network ล้าง log พิมพ์ลงใน input และยืนยันว่าไม่มี network request ใดปรากฏสำหรับขั้นตอนการนับ

Word counter นี้รันทั้งหมดในเบราว์เซอร์ของคุณ ไม่มีการอัปโหลด ไม่มีบัญชี ไม่มีไลบรารีผู้จำหน่าย ไม่มี analytics บนข้อความที่นับ วางข้อความใด ๆ ในทุก script ดู metric tile ทั้งเจ็ดอัปเดตขณะที่คุณพิมพ์ และคัดลอกสิ่งที่ต้องการ เครื่องมือทั้งหมดนี้เป็น JavaScript ประมาณ 12 KB ที่โหลดครั้งเดียวและทำงาน offline หลังจากเข้าชมครั้งแรก