টেক্সট পরিসংখ্যান

একটি শব্দ আসলে কী

তিনটি প্রোগ্রামকে একটি শব্দ গণনা করতে বললে আপনি সহজেই তিনটি ভিন্ন উত্তর পেতে পারেন। এই মতভেদটি একটি বাগ নয়, এটি একটি সংজ্ঞা সমস্যা। "state-of-the-art" এর মতো একটি হাইফেনযুক্ত যৌগ একটি টাইপসেটারের কাছে একটি শব্দ, কিন্তু একটি নিষ্পাপ স্প্লিটার-এর কাছে চারটি। "don't" এর মধ্যে একটি অ্যাপোস্ট্রফি অবশ্যই শব্দটি ভাঙবে না, তবে উদ্ধৃতি চিহ্ন হিসাবে ব্যবহৃত একটি অ্যাপোস্ট্রফির উচিত। সংখ্যা, URL এবং ইমেইল ঠিকানা - প্রতিটিই ভিন্ন নিয়মের দাবি করে।

এই টুল একটি শব্দকে অক্ষর বা অঙ্কের একটি ধারা হিসাবে গণ্য করে, যা ঐচ্ছিকভাবে একটি অ্যাপোস্ট্রফি এবং আরও অক্ষর দ্বারা অব্যাহত থাকে। যেহেতু ম্যাচিং ইউনিকোড-সচেতন, স্বরযুক্ত ল্যাটিন, গ্রিক, সিরিলিক এবং CJK অক্ষরগুলো সবই নীরবে বাদ না পড়ে অক্ষর হিসাবে গণনা হয়। ধারাগুলোর মধ্যে বিরামচিহ্ন তাদের আলাদা করে, তাই "well-known" দুটি হিসাবে গণনা হয় এবং "it's" একটি হিসাবে গণনা হয়। নিয়মটি জানা কোন নিয়মটি বেছে নেওয়া হয়েছে তার চেয়ে বেশি গুরুত্বপূর্ণ, কারণ এটি আপনাকে সংখ্যাটির সাথে তর্ক না করে পূর্বাভাস দিতে দেয়।

বাক্য, অনুচ্ছেদ এবং লাইন

ভাষার মডেল ছাড়া বাক্য শনাক্তকরণ প্রকৃতিগতভাবে হিউরিস্টিক। পিরিয়ড, প্রশ্নবোধক এবং বিস্ময়বোধক চিহ্নে ভাগ করা সাধারণ গদ্যের জন্য কাজ করে এবং সংক্ষিপ্ত রূপে পূর্বানুমানযোগ্যভাবে ব্যর্থ হয়: "Dr. Smith arrived at 9 a.m." একটি নিষ্পাপ স্প্লিটার-এর কাছে তিনটি বাক্যের মতো দেখায়। বাক্যের সংখ্যাটিকে সঠিক সংখ্যা নয়, বরং পঠনযোগ্যতা কাজের জন্য একটি ভালো আনুমানিক হিসাবে গণ্য করুন।

অনুচ্ছেদ এবং লাইন আরও যান্ত্রিক কিন্তু তবুও স্বতন্ত্র। একটি লাইন হলো নতুন লাইন দ্বারা পৃথক করা যেকোনো কিছু, তাই হার্ড-র্যাপ করা একটি ফাইলে অনেক লাইন এবং কয়েকটি অনুচ্ছেদ থাকে। একটি অনুচ্ছেদ হলো এক বা একাধিক ফাঁকা লাইন দ্বারা পৃথক করা একটি ব্লক, যা মার্কডাউন এবং বেশিরভাগ এডিটর যেভাবে ভাবে তার সাথে মেলে। দুটি সংখ্যা তুলনা করলে দ্রুত জানা যায় টেক্সটটি হার্ড-র্যাপ হয়ে এসেছে কিনা, যা এমন একটি সিস্টেমে পেস্ট করার সময় গুরুত্বপূর্ণ যেটি রিফ্লো করে।

পড়ার সময় এবং ফ্রিকোয়েন্সি

পড়ার সময়ের আনুমানিক হিসাবে প্রতি মিনিটে 200 শব্দ ব্যবহার করা হয়, যা সাধারণ গদ্যের নীরব পাঠের একটি সাধারণ গড়। প্রকৃত গতি ব্যাপকভাবে পরিবর্তিত হয়: কোড নমুনাসহ প্রযুক্তিগত উপাদান ধীরে চলে, পরিচিত বিপণন কপি দ্রুত চলে, এবং ফোনে পড়া ডেস্কটপের চেয়ে ধীর। চিত্রটিকে পাঠকদের কাছে প্রতিশ্রুতি হিসাবে নয়, বরং আপেক্ষিক তুলনার জন্য ব্যবহার করুন।

শব্দ ফ্রিকোয়েন্সিই সেই জায়গা যেখানে টুলটি সম্পাদনায় তার স্থান অর্জন করে। গণনা অনুসারে সাজালে অজ্ঞাতসারে পুনরাবৃত্তি, আটশতে এগারোবার আসা সম্বল শব্দগুলো এবং আপনি যে বিষয়টি নিয়ে লিখতে চেয়েছিলেন তা আসলে সবচেয়ে ঘনঘন ব্যবহৃত বিশেষ্য কিনা তা প্রকাশ পায়। "সাধারণ শব্দ উপেক্ষা করুন" টগলটি বন্ধ-শ্রেণির ফাংশন শব্দগুলো যেমন আর্টিকেল, অব্যয় এবং সর্বনাম সরিয়ে দেয়, যা অন্যথায় প্রতিটি ভাষার প্রতিটি তালিকায় আধিপত্য বিস্তার করে এবং কিছুই জানায় না।