वर्ड काउंटर असल में शब्द कैसे गिनते हैं (और अलग-अलग ऐप में यह संख्या क्यों बदल जाती है)

Microsoft Word, Google Docs, और किसी तीसरे वर्ड-काउंटिंग टूल में बिल्कुल एक जैसा टेक्स्ट पेस्ट करें, और तीन थोड़े अलग टोटल मिलना पूरी तरह मुमकिन है — इसलिए नहीं कि किसी ने कोई ग़लती की, बल्कि इसलिए कि "शब्द" पहली नज़र में लगने से कहीं कम सटीक अवधारणा निकलता है। किसी वर्ड काउंटर को उन एज-केस के बारे में कई छोटे, ख़ास फ़ैसले लेने पड़ते हैं जिन्हें किसी पैराग्राफ़ पर सरसरी नज़र डालने भर से नज़रअंदाज़ किया जा सकता है: कोई हाइफ़न वाला कंपाउंड एक शब्द है या दो, कोई कॉन्ट्रैक्शन अलग-अलग गिना जाए या नहीं, कोई अकेली संख्या अक्षरों से बने किसी शब्द जितनी ही गिनी जाए या नहीं, और — उन भाषाओं के लिए जो शब्दों के बीच स्पेस इस्तेमाल करती ही नहीं — पहली जगह किसी शब्द की सीमा को आख़िर तय ही क्या करता है। अलग-अलग टूल ये फ़ैसले अलग-अलग तरीक़े से लेते हैं, और दिखने वाला टोटल असल में कई छोटे, जायज़ फ़ैसलों का जोड़ भर होता है, न कि कोई वस्तुनिष्ठ रूप से सही अकेली गिनती।

"well-known" जैसे किसी हाइफ़न वाले कंपाउंड को एक शब्द या दो शब्दों के तौर पर गिनना, दोनों ही उचित तरीक़े से सही ठहराया जा सकता है: यह एक ही सिमेंटिक इकाई की तरह काम करता है, लेकिन साथ ही यह साफ़ तौर पर दो अलग शब्दों को जोड़कर बना भी है। Word और Google Docs दोनों किसी हाइफ़न वाले कंपाउंड को एक अकेला शब्द गिनते हैं, इसीलिए उनके इस तरीक़े से मेल खाना उस किसी भी काम के लिए सही डिफ़ॉल्ट है जिसे किसी एडिटर या पब्लिशर की वर्ड-काउंट उम्मीद से मेल खाना है, जैसे कि तय शब्द-सीमा वाला कोई असाइनमेंट। कॉन्ट्रैक्शन बिल्कुल यही सवाल एक अलग रूप में उठाते हैं — "don't" साफ़ तौर पर दो शब्दों को दबाकर एक साथ बनाया गया दिखता है, लेकिन काम एक शब्द की तरह करता है — और यहाँ भी बड़े वर्ड प्रोसेसर इसे दो की बजाय एक अकेला शब्द ही गिनते हैं, और यहाँ भी यही वह तरीक़ा है जिससे मेल खाना समझदारी है अगर गिनती किसी टीचर, एडिटर, या वर्ड-लिमिट टूल की रिपोर्ट से मेल खानी हो।

कोई अकेली संख्या, स्पेस से घिरा कोई अकेला पंक्चुएशन मार्क, और दूसरे अजीब टोकन इसी सवाल के छोटे-छोटे रूप उठाते हैं, और अलग-अलग टूल इन्हें थोड़े अलग तरीक़े से सुलझाते हैं — यही वह असली, बेशक़ बेढंगी वजह है जो एक वर्ड काउंटर और दूसरे के बीच नज़र आने वाली ज़्यादातर छोटी-मोटी गड़बड़ियों के पीछे होती है। इनमें से कोई भी छोटा फ़ैसला अकेले टोटल को ज़्यादा नहीं बदलता, लेकिन सामान्य गद्य के कुछ सौ शब्दों में आमतौर पर इतने हाइफ़न, कॉन्ट्रैक्शन और अजीब टोकन मौजूद होते हैं कि ये फ़र्क़ जुड़कर अंतिम संख्या में एक दिखने लायक़, भले ही आमतौर पर छोटा, फ़र्क़ बना देते हैं।

बस टेक्स्ट को हर जगह जहाँ स्पेस आता है वहाँ बाँटकर बनाया गया कोई वर्ड काउंटर अंग्रेज़ी और ज़्यादातर यूरोपीय भाषाओं के लिए ठीक-ठाक काम करता है, क्योंकि वे भाषाएँ पारंपरिक रूप से शब्दों को स्पेस से अलग करती हैं। यह चाइनीज़, जापानी और थाई के लिए पूरी तरह नाकाम हो जाता है, जिनमें से कोई भी शब्दों के बीच स्पेस डालती ही नहीं — चाइनीज़ टेक्स्ट का पूरा पैराग्राफ़ बिना कहीं भी स्पेस के कैरेक्टर की एक बिना-टूटी लड़ी हो सकता है, और स्पेस पर बाँटने वाला कोई काउंटर उस पूरे पैराग्राफ़ को बिल्कुल एक "शब्द" बताएगा, चाहे उसमें असल में कितने भी शब्द क्यों न हों। इन भाषाओं में शब्द सही ढंग से गिनने के लिए असली भाषाई टेक्स्ट सेगमेंटेशन चाहिए होता है — यानी यह अनुमान लगाने के लिए कि कहाँ एक शब्द मुमकिन तौर पर ख़त्म होता है और अगला शुरू होता है, कैरेक्टर का ख़ुद विश्लेषण करना, उसी तरह के सेगमेंटेशन लॉजिक का इस्तेमाल करके जो आधुनिक ब्राउज़र टेक्स्ट सिलेक्शन और लाइन-ब्रेकिंग के लिए आंतरिक रूप से इम्प्लीमेंट करते हैं — न कि वह सीधा-सादा स्पेस-बाँटने वाला तरीक़ा जो स्पेस-सेपरेटेड भाषाओं के लिए काफ़ी अच्छा काम करता है और उन भाषाओं के लिए पूरी तरह बिखर जाता है जो ऐसी नहीं हैं।

हाइफ़न, कॉन्ट्रैक्शन या एज-केस टोकन के लिए आपस में होड़ करने वाला कोई भी तरीक़ा दूसरों से वस्तुनिष्ठ रूप से ज़्यादा सही नहीं है — ये एक वाक़ई अस्पष्ट सवाल के अलग-अलग, बराबर के जायज़ जवाब हैं। व्यवहार में असल में जो मायने रखता है वह यह है कि गिनती किस तरीक़े से मेल खानी चाहिए: कोई छात्र जो तय वर्ड-काउंट की शर्त वाला कोई असाइनमेंट जमा कर रहा है, उसे ऐसा टूल चाहिए जो उसी तरह गिने जैसे उसका वर्ड प्रोसेसर गिनता है, क्योंकि लगभग तय है कि असल में यही जाँचा जाएगा; किसी अपनी हाउस-स्टाइल वाले पब्लिकेशन को टेक्स्ट भेजने वाले किसी लेखक को उसी तरीक़े से मेल खाना है जो उस पब्लिकेशन के टूल इस्तेमाल करते हैं। Word और Google Docs के साझा तरीक़े से मेल खाना — हाइफ़न वाले कंपाउंड और कॉन्ट्रैक्शन, दोनों को एक-एक शब्द गिनना — किसी सुरक्षित सार्वभौमिक डिफ़ॉल्ट के सबसे क़रीब है, ठीक इसलिए क्योंकि ये दोनों टूल मिलकर उन ज़्यादातर स्थितियों को कवर कर लेते हैं जहाँ किसी वर्ड काउंट को किसी बाहरी, ख़ास चीज़ से मेल खाना ज़रूरी होता है।