Hitung kata

Apa yang dihitung, dan siapa yang menghitungnya

Jumlah kata bukan hitungan kami. Kata-kata berasal dari segmenter Unicode milik browser sendiri, yang dipanggil dengan locale bawaannya alih-alih locale tertentu, dan halaman ini menyimpan potongan yang ditandainya sebagai kata. Tidak ada aturan tambahan untuk tanda hubung, apostrof, atau angka di atasnya — yang Anda dapatkan adalah penilaian segmenter tentang di mana kata dimulai, itulah sebabnya hasilnya benar untuk bahasa Mandarin dan Jepang, dan itulah sebabnya dua browser di dua komputer bisa sedikit berbeda untuk teks yang sama. Di browser yang terlalu lama sehingga tidak punya segmenter, halaman ini beralih ke pemecahan berdasarkan spasi dan memberi tahu bahwa angkanya perkiraan — angka yang sebenarnya selalu diberikan penghitung sederhana tanpa pemberitahuan.

Paragraf dan baris dihitung dengan aturan kami sendiri, dan aturannya tidak sama. Batas paragraf adalah baris kosong — dua jeda baris yang di antaranya hanya ada spasi atau tab — sehingga file teks Windows yang diletakkan dengan carriage return-nya utuh dihitung sebagai satu paragraf; teks yang ditempel ke kotak tidak pernah mengalami masalah itu, karena kotak teks menyerahkan line feed. Baris dihitung seperti gutter editor menghitungnya: kotak kosong berarti nol baris, satu kata berarti satu baris, dan file yang diakhiri baris baru punya baris terakhir yang kosong dan ikut dihitung. Itu sengaja berbeda dari yang dilaporkan wc di command line, yaitu jumlah penanda akhir baris.

Dua keputusan kecil menjawab sebagian besar perdebatan soal angka-angkanya. Karakter tanpa spasi membuang apa pun yang dianggap browser sebagai spasi, termasuk non-breaking space yang ikut terbawa saat teks disalin dari halaman web — tetapi tidak zero-width space, yang bukan spasi dan tetap dihitung. Lalu kata terpanjang dan rata-rata panjang kata diukur dalam code point, bukan dalam grapheme cluster yang dipakai angka karakter utama, sehingga kata yang memuat emoji atau aksen gabungan terukur lebih panjang di sini daripada kelihatannya. Tabel frekuensi menyembunyikan sekitar enam puluh kata fungsi umum bahasa Inggris kecuali Anda memintanya, dan menyamakan huruf besar/kecil dengan aturan bahasa Inggris biasa, apa pun bahasa yang Anda tulis.

Jika Anda butuh hal lain

Jika penilaiannya dilakukan oleh program tertentu, hanya angka dari program itulah yang berlaku. Jurnal yang menyebut delapan ribu kata termasuk referensi berarti angka yang dihasilkan Word, dan Word menghitung field, catatan kaki, keterangan gambar, dan kotak teks menurut pengaturannya sendiri. Halaman ini akan mendekati angka itu untuk tulisan biasa tetapi tidak akan cocok hingga ke setiap kata, jadi ikuti alat yang dipakai untuk menilai Anda, bukan alat ini.

Untuk lebih dari satu dokumen, penghitungan cukup dengan satu baris shell. wc -w memproses satu folder sekaligus dan membaca file yang lebih besar dari memori Anda secara streaming; untuk Markdown, HTML, atau LaTeX, mengalirkan file lewat pandoc ke teks biasa terlebih dahulu akan membuang markup-nya, sehingga blok kode, target tautan, dan tag tidak dihitung sebagai tulisan — itulah selisih antara jumlah kata sebuah repositori dan jumlah yang sebenarnya. Keduanya bukan hal yang bisa dilakukan kotak tempel untuk empat ratus file.