Счётчик слов

Самая частая причина расхождений между двумя счётчиками слов — не ошибка в одном из них, а разница в том, что считается "словом" в пограничных случаях. Является ли составное слово с дефисом вроде "хорошо известный" одним словом или двумя, прерывает ли отдельное длинное тире между частями предложения подсчёт слов, и считается ли последовательность цифр вроде "42" так же, как слово из букв, — всё это решения, которые алгоритм подсчёта обязан принять, и разные инструменты принимают их по-разному. Этот инструмент следует соглашению, которое используют Microsoft Word и Google Docs, — сокращения и составные слова с дефисом считаются как одно слово каждое, — именно для того, чтобы итог, полученный здесь, совпадал с тем, чего ожидает редактор, издательство или лимит задания, основанный на количестве слов.

Наивный счётчик слов, построенный на разбиении текста по пробелам, работает достаточно хорошо для английского и большинства европейских языков, потому что слова в них традиционно разделяются пробелом. Он полностью не работает для китайского, японского и тайского языков — ни один из них вообще не использует пробелы между словами: целый абзац китайского текста может не содержать ни одного пробела, и счётчик, разбивающий текст по пробелам, засчитает его за единый блок из одного слова независимо от того, сколько реальных слов он на самом деле содержит.

Этот инструмент вместо этого использует сегментацию текста по Unicode, реализованную самим браузером, которая применяет языковые правила для определения границ слов, а не предполагает, что пробел отмечает каждую границу. Именно поэтому он выдаёт разумный подсчёт для смешанного или нелатинского текста там, где более простой инструмент выдал бы что-то близкое к бессмыслице.

Показатель в 238 слов в минуту, который этот инструмент использует для молчаливого чтения, взят из крупного метаанализа 2019 года, посвящённого исследованиям скорости чтения, и представляет собой усреднённое по популяции значение, а не факт о каком-то конкретном читателе — реальная скорость чтения сильно варьируется в зависимости от знакомства с темой, сложности текста и особенностей конкретного человека, легко в два раза в любую сторону. Показанное число полезно как оценка для планирования — примерно сколько времени материал займёт у типичного читателя, — а не как точное предсказание для какого-то конкретного человека.

Время произнесения вслух рассчитывается по более медленному, отдельному темпу, потому что устная подача отличается по ритму от молчаливого чтения: докладчик, чётко зачитывающий текст вслух в нормальном темпе с паузами, движется со скоростью, близкой к 130 словам в минуту, поэтому эти два показанных числа — не просто одно и то же число, умноженное на коэффициент.

Список самых часто используемых слов в тексте — это практичный инструмент редактирования, а не просто любопытный факт: авторы неосознанно склонны тянуться к одному и тому же небольшому набору слов, и текст, сильно опирающийся на "очень", "просто" или какое-то конкретное прилагательное, читается как повторяющийся — это трудно заметить во время написания, но становится очевидным, как только на это указали. Взгляд на реальные цифры частотности превращает смутное ощущение, что текст читается однообразно, в конкретный, пригодный к действию список слов, которые стоит разнообразить.