단어 수 세기

무엇을 세고, 무엇이 세는가

단어 수는 저희가 정한 것이 아닙니다. 단어는 브라우저 자체의 유니코드 분절기에서 나오며, 특정 로케일이 아니라 기본 로케일로 요청하고, 분절기가 단어로 표시한 조각만 셉니다. 여기서는 하이픈, 아포스트로피, 숫자에 대한 규칙을 따로 덧붙이지 않습니다. 결과는 단어가 어디서 시작하는지에 대한 분절기의 판단 그대로이며, 그래서 중국어와 일본어에서도 답이 정확하고, 서로 다른 기기의 두 브라우저가 같은 텍스트에 대해 아주 조금 다른 결과를 낼 수도 있습니다. 분절기가 없는 오래된 브라우저에서는 공백 기준으로 나누는 방식으로 대신하고 수치가 대략적이라고 알려 드리는데, 이는 단순한 도구들이 아무 말 없이 늘 내놓는 수치입니다.

문단과 줄은 저희 자체 규칙으로 세며, 두 규칙은 서로 다릅니다. 문단 경계는 빈 줄, 즉 사이에 공백이나 탭만 있는 두 번의 줄바꿈입니다. 그래서 캐리지 리턴이 그대로 남은 Windows 텍스트 파일을 끌어다 놓으면 문단 하나로 셉니다. 입력란에 붙여 넣은 텍스트는 입력란이 라인 피드로 넘겨주므로 이런 문제가 없습니다. 줄은 편집기 옆의 줄 번호처럼 셉니다. 빈 입력란은 0줄, 단어 하나는 1줄이며, 줄바꿈으로 끝나는 파일은 마지막에 빈 줄이 있는 것으로 보고 이것도 셉니다. 이는 줄 종결 문자의 개수를 알려 주는 명령줄 wc의 결과와 일부러 다르게 한 것입니다.

두 가지 작은 결정이 수치에 관한 논란 대부분을 정리합니다. 공백 제외 글자 수는 브라우저가 공백으로 보는 모든 문자를 뺍니다. 여기에는 웹 페이지에서 복사한 텍스트에 딸려 오는 줄바꿈 없는 공백도 포함되지만, 공백 문자가 아닌 폭 없는 공백은 빠지지 않고 수에 남습니다. 그리고 가장 긴 단어와 평균 단어 길이는 대표 글자 수가 쓰는 자소 클러스터가 아니라 코드 포인트 단위로 재므로, 이모지나 결합 악센트가 붙은 단어는 보이는 것보다 길게 측정됩니다. 빈도표는 따로 요청하지 않으면 흔한 영어 기능어 약 60개를 숨기며, 어떤 언어로 쓰든 대소문자는 단순한 영어 규칙으로 통합합니다.

다른 작업이 필요할 때

특정 프로그램이 평가를 맡는다면 그 프로그램의 수치만 의미가 있습니다. 참고문헌 포함 8,000단어라고 한 학술지는 Word가 내놓는 수치를 뜻하며, Word는 필드, 각주, 캡션, 텍스트 상자를 자체 설정에 따라 셉니다. 이 페이지는 일반적인 글에서 비슷한 결과를 내지만 한 단어까지 똑같지는 않으므로, 이 도구가 아니라 실제로 평가하는 도구를 기준으로 맞추세요.

문서가 여러 개라면 셸 명령 한 줄이면 됩니다. wc -w는 폴더 전체를 한 번에 받고 메모리보다 큰 파일도 스트리밍으로 처리합니다. 마크다운, HTML, LaTeX라면 먼저 pandoc으로 일반 텍스트로 바꿔 마크업을 없애면 코드 블록, 링크 주소, 태그가 본문으로 세어지지 않습니다. 저장소 전체의 단어 수와 실제 단어 수의 차이가 바로 여기서 생깁니다. 둘 다 붙여 넣기 입력란으로는 파일 400개에 대해 할 수 없는 일입니다.