Text

Word/Character Frequency Counter

Häufigkeitsanalyse von Text: wie oft jedes Wort oder Zeichen vorkommt, sortiert nach Anzahl.


                        
                    

This tool counts how many times each word or character appears in a text and sorts the result by count — something that's practically impossible to tally by hand in a long piece of text.

How to use it

Common uses

Things to keep in mind

Frequency analysis is case-sensitive by default in many implementations — "Word" and "word" can count as different entries unless the text is normalized to one case first.

Classical substitution ciphers (ROT13, the Caesar cipher) don't change the frequency distribution of letters, only the mapping — which is exactly why frequency analysis is the classic way to break them without trying every key.

Artikel zu diesem Tool: Text-Häufigkeitsanalyse: warum man zählt, wie oft sich Wörter wiederholen

Häufig gestellte Fragen

Was ist der Unterschied zwischen dem Modus Wörter und Zeichen?

Der Modus Wörter zählt, wie oft jedes Wort im Text vorkommt, während der Modus Zeichen das Vorkommen jedes einzelnen Zeichens zählt, einschließlich Satzzeichen.

Was bewirken die Optionen „Groß-/Kleinschreibung ignorieren“ und „Leerzeichen ignorieren“?

„Groß-/Kleinschreibung ignorieren“ fasst Vorkommen zusammen, die sich nur durch Groß-/Kleinschreibung unterscheiden, und „Leerzeichen ignorieren“ schließt Leerzeichen von der Zählung im Zeichenmodus aus; die Ergebnisse werden dann nach absteigender Vorkommenshäufigkeit sortiert.

Wird der analysierte Text an einen Server gesendet?

Nein, die Häufigkeitsanalyse läuft vollständig in Ihrem Browser in JavaScript ab — nichts wird online übertragen.

Was ist das Zipfsche Gesetz?

In natürlichen Sprachen ist die Häufigkeit eines Wortes umgekehrt proportional zu seinem Rang nach Häufigkeit: Das häufigste Wort kommt etwa doppelt so oft vor wie das zweithäufigste, dreimal so oft wie das dritthäufigste usw. Eine deutliche Abweichung von dieser Regelmäßigkeit ist ein Signal, dass der Text künstlich generiert oder mit Schlüsselwörtern überladen sein könnte.

Kann Häufigkeitsanalyse zum Knacken einfacher Verschlüsselungen genutzt werden?

Ja, bei klassischen Substitutionschiffren (wie ROT13 oder der Caesar-Verschlüsselung), die die Häufigkeitsverteilung der Buchstaben nicht ändern, sondern nur die Zuordnung vertauschen. Durch den Vergleich der Häufigkeitsverteilung des verschlüsselten Textes mit der bekannten Verteilung der Ausgangssprache lässt sich die Zeichenzuordnung ohne Durchprobieren aller Schlüssel rekonstruieren.

Artikel: Text

Case Converter: warum es unterschiedliche Namensstile gibt

Warum in einem Projekt Variablen in camelCase, Dateien aber in kebab-case geschrieben werden, und woher diese Regeln stammen.

Text Diff: wie Algorithmen den Unterschied zwischen zwei Texten finden

Wie ein Diff-Algorithmus die minimale Menge an Änderungen zwischen zwei Textversionen findet.

Reguläre Ausdrücke: Grundsyntax und typische Muster

Wie man einen regulären Ausdruck liest und wie sich gieriges von faulem Matching unterscheidet.

Zeilen sortieren und Duplikate entfernen: wozu das gut ist

Warum eine numerische Sortierung, die „10" vor „9" setzt, ein Fehler ist, und wie man das vermeidet.

String Escape: warum derselbe Text unterschiedlich escaped werden muss

Warum dasselbe Anführungszeichen in einem JS-String, in JSON und in einem Shell-Befehl unterschiedlich escaped wird.

CRLF gegen LF: warum Zeilenendezeichen immer noch wichtig sind

Warum eine unter Windows geschriebene Datei in Git unter Linux als „komplett geändert" angezeigt werden kann.

Zeichen und Wörter zählen: warum das nicht immer trivial ist

Warum ein Emoji oder ein Zeichen mit Akzent als mehrere Zeichen auf einmal zählen kann.

Lorem Ipsum: woher der Platzhaltertext stammt und wozu er dient

Warum Designer absichtlich „bedeutungslosen" Text statt echtem Inhalt in Entwürfen verwenden.

Slugify: beliebigen Text in eine URL verwandeln

Wie ein Titel wie „Hallo, Welt!" zu einer URL-tauglichen Zeichenkette wie hallo-welt wird.

Markdown: warum einfache Textsyntax komplexe Editoren geschlagen hat

Warum Entwickler Dokumentation lieber in Markdown als in einem Rich-Text-Editor schreiben.

Leerzeichen und unsichtbare Zeichen: die versteckte Ursache seltsamer Bugs

Warum zwei scheinbar identische Strings wegen eines unsichtbaren Zeichens nicht übereinstimmen können.

Text Reverse: warum „Text umkehren" schwieriger ist, als es klingt

Warum eine naive String-Umkehrung ein Emoji in unbrauchbare Bytes verwandeln kann.