Contador de palavras

A fonte mais comum de discordância entre dois contadores de palavras não é um bug em nenhum dos dois — é uma diferença no que conta como uma "palavra" nas bordas. Se um composto com hífen como "bem-conhecido" é uma palavra ou duas, se um travessão independente entre orações quebra uma contagem de palavras, e se uma sequência de dígitos como "42" conta igual a uma palavra feita de letras são todas decisões que um algoritmo de contagem tem que tomar, e ferramentas diferentes as tomam de forma diferente. Esta ferramenta segue a convenção que o Microsoft Word e o Google Docs usam — contrações e compostos com hífen contam como uma palavra cada — especificamente para que um total produzido aqui corresponda ao que um editor, uma editora, ou um limite de tarefa baseado em contagem de palavras espera.

Um contador de palavras ingênuo construído dividindo o texto por espaços funciona razoavelmente bem para português e a maioria dos idiomas europeus, porque palavras nesses idiomas são convencionalmente separadas por um espaço. Falha completamente em chinês, japonês e tailandês, nenhum dos quais usa espaços entre palavras de forma alguma — um parágrafo inteiro de texto chinês não tem nenhum espaço, e um contador que divide por espaço relata isso como um único bloco de uma palavra independentemente de quantas palavras reais contém.

Esta ferramenta em vez disso usa a segmentação de texto Unicode que o próprio navegador implementa, que aplica regras conscientes do idioma para identificar limites de palavra em vez de assumir que um espaço marca cada um. É por isso que relata uma contagem sensata para texto misto ou não latino onde uma ferramenta mais simples relataria algo próximo do absurdo.

A cifra de 238 palavras por minuto que esta ferramenta usa para leitura silenciosa vem de uma grande metanálise de 2019 de estudos de velocidade de leitura, e é uma média populacional em vez de um fato sobre qualquer leitor específico — a velocidade real de leitura varia enormemente pela familiaridade com o assunto, dificuldade do texto, e o leitor individual, facilmente por um fator de dois em qualquer direção. O número mostrado é útil como uma estimativa de planejamento — aproximadamente quanto tempo uma peça vai levar para um leitor típico — não como uma previsão precisa para qualquer pessoa específica.

O tempo de fala usa uma taxa mais lenta e separada porque a entrega falada tem ritmo diferente da leitura silenciosa: um apresentador lendo um roteiro em voz alta claramente, com ritmo e pausas normais, se move a algo mais próximo de 130 palavras por minuto, por isso as duas cifras mostradas não são simplesmente o mesmo número escalado.

Uma lista das palavras mais usadas em uma peça de escrita é uma ajuda prática de edição em vez de uma curiosidade: escritores tendem a recorrer ao mesmo punhado de palavras inconscientemente, e uma peça que se apoia fortemente em "muito", "apenas", ou um adjetivo particular se lê como repetitiva de uma forma difícil de notar enquanto se escreve mas óbvia uma vez sinalizada. Ver a contagem real de frequência transforma uma sensação vaga de que algo se lê repetitivo em uma lista específica e acionável de palavras que valem a pena variar.