Đếm số từ

Cái gì được đếm, và ai thực hiện việc đếm

Số từ không phải do chúng tôi tự đếm. Từ được lấy từ bộ phân đoạn Unicode có sẵn của trình duyệt, dùng ngôn ngữ mặc định chứ không chỉ định một ngôn ngữ cụ thể, và trang giữ lại những phần mà nó đánh dấu là giống từ. Không có quy tắc nào được thêm vào cho dấu gạch nối, dấu nháy đơn hay chữ số — thứ bạn nhận được là đánh giá của bộ phân đoạn về chỗ từ bắt đầu, đó là lý do kết quả đúng với tiếng Trung và tiếng Nhật, và cũng là lý do hai trình duyệt trên hai máy có thể chênh nhau rất nhỏ với cùng một văn bản. Trên trình duyệt quá cũ không có bộ phân đoạn, trang sẽ chuyển sang tách theo khoảng trắng và cho bạn biết con số chỉ là ước tính — cũng chính là con số mà các công cụ đếm đơn giản hơn luôn đưa ra mà không hề nói rõ.

Đoạn văn và dòng được đếm theo quy tắc riêng của chúng tôi, và đó là hai quy tắc khác nhau. Ranh giới đoạn văn là một dòng trống — hai lần xuống dòng mà giữa chúng chỉ có dấu cách hoặc tab — nên một file văn bản Windows thả vào mà vẫn giữ nguyên ký tự carriage return sẽ được đếm là một đoạn văn duy nhất; văn bản dán vào ô nhập không bao giờ gặp vấn đề này, vì ô nhập văn bản chuyển thành ký tự line feed. Dòng được đếm theo cách lề số dòng của trình soạn thảo đếm: ô trống là không dòng, một từ là một dòng, và file kết thúc bằng ký tự xuống dòng có một dòng cuối trống cũng được tính. Điều này cố ý khác với lệnh wc trên dòng lệnh, vốn báo số ký tự kết thúc dòng.

Hai quyết định nhỏ hơn giải quyết hầu hết tranh cãi về các con số. Số ký tự không tính dấu cách bỏ đi mọi thứ trình duyệt coi là khoảng trắng, bao gồm cả dấu cách không ngắt dòng đi kèm văn bản sao chép từ trang web — nhưng không bỏ dấu cách độ rộng bằng không, vì đó không phải khoảng trắng và vẫn được tính. Còn từ dài nhất và độ dài từ trung bình được đo bằng code point chứ không phải bằng cụm grapheme mà con số ký tự chính sử dụng, nên một từ chứa emoji hoặc dấu kết hợp sẽ được đo dài hơn vẻ ngoài của nó ở đây. Bảng tần suất ẩn khoảng sáu mươi từ chức năng tiếng Anh phổ biến trừ khi bạn yêu cầu hiện chúng, và gộp chữ hoa chữ thường theo quy tắc tiếng Anh đơn giản bất kể bạn đang viết bằng ngôn ngữ nào.

Khi bạn cần công cụ khác

Khi một chương trình cụ thể sẽ là thước đo, chỉ con số của chương trình đó mới có giá trị. Một tạp chí yêu cầu tám nghìn từ kể cả tài liệu tham khảo là muốn nói đến con số Word đưa ra, và Word đếm trường, chú thích cuối trang, chú thích hình và hộp văn bản theo cài đặt riêng của nó. Trang này sẽ cho kết quả sát với văn xuôi thông thường nhưng sẽ không khớp đến từng từ, nên hãy nộp bài theo công cụ đang chấm bạn chứ không phải theo công cụ này.

Với nhiều hơn một tài liệu, việc đếm chỉ là một dòng lệnh. wc -w xử lý cả một thư mục cùng lúc và đọc dạng luồng các file lớn hơn bộ nhớ của bạn; với Markdown, HTML hay LaTeX, chuyển file qua pandoc thành văn bản thuần trước sẽ loại bỏ phần đánh dấu, để khối code, đích liên kết và thẻ không bị tính là văn xuôi — đó là khoảng cách giữa số từ của cả kho mã nguồn và số từ thực sự. Cả hai đều là việc mà một ô dán văn bản không thể làm cho bốn trăm file.