关键词密度分析

功能

• 按出现次数排序，给出每个词的次数与占比
• 占比按总词数算，不是按字符数
• 内置中英常用停用词表，可一键过滤
• 可设最小词长、只展示前几名
• 可选统计二元词组（中文相邻两字 / 英文相邻两词）
• 语言可选自动 / 中文 / 英文 / 中英混合
• 给出总词数、去重词数与字符数
• 可忽略大小写
• 全程在浏览器本地完成，内容不上传

使用方法

1. 粘贴要分析的文章（可多行、可中英混排）
2. 选语言（默认自动判断）
3. 按需过滤停用词、设最小词长与前几名、开或关二元词组
4. 结果实时更新，点「复制」取走

常见问题

中文分词准不准？

这个工具不做中文分词。 中文没有空格，真正的分词需要词典与统计模型，而这里用的是最省事的常规做法：按相邻两个字组成词块（二元组）。所以 `在线工具箱` 会出现 `线工` 这种不是词的组合 —— 这是方法本身的特性。选它是因为单字统计会被 `的` `是` `在` 这类词占满，几乎没有信息量。要看真正分词后的结果，请用专门的工具。

占比是按什么算的？

按总词数（全部词块的个数），不是按字符数。一个词占比 = 它出现的次数 ÷ 全部词块的个数。拿字符数当分母会得到一个几乎恒为个位数的百分比，那不是「密度」的意思。

停用词过滤会滤掉什么？

内置一份中英常用停用词表：英文如 `the` `and` `is`，中文如 `的` `了` `是` `在`。中文二元组里只要含有一个停用字（比如 `的时`）也会被滤掉，因为那类词块几乎全是噪音。可以随时关掉。

「二元词组」开关影响什么？

中文打开时按相邻两字统计（默认），关掉则退化为单字统计；英文打开时会额外把相邻两个词组成 `word1 word2` 的词对一起统计。