📊 Word Frequency Counter

Tokenise Chinese and English text and rank word frequency, with stop-word filtering and minimum word length, reporting unique words, lexical richness (TTR) and the top frequent terms.

📐 統計口徑

詞頻佔比 = 該詞出現次數 ÷ 展示詞合計次數 × 100%　　TTR = 唯一詞數 ÷ 總詞次

英文按 [a-z]+ 正則切詞（可選忽略大小寫、可選停用詞過濾）；中文按連續漢字串切分後取 最小詞長（預設 2 字）的滑窗，逐窗計數，因此「測試」一詞在「測試文本測試」中計 2 次。所有統計量都基於過濾後的詞表：總詞次 = 全部詞的次數之和，唯一詞數 = 不同詞形個數，詞彙豐富度 TTR = 唯一詞數 ÷ 總詞次（越高說明用詞越分散），首詞佔比 與 前 10 詞累計佔比 反映詞頻集中度。

輸入文本（支援中英文混合）

顯示前 N 個

最小詞長（中文）

忽略大小寫

過濾停用詞僅英文僅中文

📚 深度解析：詞頻統計（中英文分詞 · TTR · Top N）

💡 常見使用場景

關鍵詞提取：從訪談記錄、使用者評論、問卷開放題裡抽出高頻詞
文案自檢：檢查用詞重複、口頭禪過多、同義詞混用
語言學習：用 TTR 衡量一段英文寫作的詞彙豐富度
主題摸底：做詞雲或主題聚類前先跑一輪詞頻，確認語料是否夠用

方法

英文按 [a-z]+ 切詞（可選忽略大小寫、可選停用詞過濾），中文按連續漢字串切分後按最小詞長取視窗，逐詞累計次數後按頻次降序排列。頁面同時輸出六項指標：唯一詞數、總詞次、詞彙豐富度 TTR = 唯一詞數 ÷ 總詞次、首詞佔比、前 10 詞累計佔比、長詞數（≥5 字元），下方明細表給出每個詞的次數與佔比。

算例

文本 "Hello world. Hello ToolBox. This is a test. This is only a test."，最小詞長 2、開啟停用詞過濾 → 唯一詞數 5、總詞次 7、TTR 71.43%、首詞佔比 28.57%，其中 hello 與 test 各出現 2 次（各佔 28.57%）。關閉停用詞過濾後唯一詞數升到 8、總詞次升到 13、TTR 降到 61.54%。空白輸入會提示先輸入文本。

❓ 常見問題（FAQ）

為什麼中文分詞結果和分詞軟體不一樣？: 本工具用的是輕量切分：把連續漢字串切開後按最小詞長取視窗，沒有詞典與詞性模型，所以「測試文本」這類串可能同時產出整串與其中的短視窗。做嚴格的詞頻調研時請用專業分詞工具複核，或把最小詞長調大以過濾碎片。
TTR 高低怎麼判斷？: TTR 隨文本長度自然下降：幾百詞的短文常在 60%~80%，上萬詞的長文降到 30% 以下都屬正常。它的用途是比較篇幅相當的兩段文本用詞是否更豐富，跨長度比較沒有意義；必要時可先擷取等長片段再比。
停用詞過濾會改變什麼？: 開啟後 the / a / of / is 之類高頻虛詞會被剔除，總詞次與唯一詞數同時下降，剩下的詞更接近主題詞；但佔比口徑的分母也變小了，所以兩份文本要在同一開關狀態下比較。

⚠️ 使用說明與注意事項

詞彙豐富度 TTR = 唯一詞數 ÷ 總詞次，文本越長該值天然越低，比較不同長度的文本時不宜只看 TTR。
英文停用詞過濾基於內建詞表（the / a / of / is 等）；開啟後總詞次與唯一詞數都會下降，佔比口徑隨之改變。
中文按連續漢字串切分後再按最小詞長做滑窗，未引入詞典分詞，屬輕量切分；嚴格的分詞結果請用專業分詞工具複核。
最小詞長按字元數計（英文按字母數）。設為 2 可濾掉 is / a 之類的短詞，設為 4 以上更適合提取主題詞。
全部統計在瀏覽器內完成，貼上長文或內部資料都不會上傳到伺服器。

📊 Word Frequency Counter

📊 詞頻結果

📚 深度解析：詞頻統計（中英文分詞 · TTR · Top N）

💡 常見使用場景

❓ 常見問題（FAQ）

📝工具簡介

✨功能特點

🎯使用場景

詞頻統計

📊 Word Frequency Counter

📊 詞頻結果

📚 深度解析：詞頻統計（中英文分詞 · TTR · Top N）

💡 常見使用場景

❓ 常見問題（FAQ）

🔗 相關工具

📝工具簡介

✨功能特點

🎯使用場景