ข้อความ

Word/Character Frequency Counter

วิเคราะห์ความถี่ของข้อความ: แต่ละคำหรืออักขระปรากฏกี่ครั้ง เรียงตามจำนวน


                        
                    

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.

บทความเกี่ยวกับเครื่องมือนี้: การวิเคราะห์ความถี่ข้อความ: จาก word cloud สู่การถอดรหัส

คำถามที่พบบ่อย

โหมดคำและอักขระต่างกันอย่างไร?

โหมดคำนับจำนวนครั้งที่แต่ละคำปรากฏในข้อความ ส่วนโหมดอักขระนับการปรากฏของอักขระแต่ละตัว รวมถึงเครื่องหมายวรรคตอน

ตัวเลือก "ไม่สนใจตัวพิมพ์ใหญ่-เล็ก" และ "ไม่นับช่องว่าง" ทำอะไร?

"ไม่สนใจตัวพิมพ์ใหญ่-เล็ก" รวมการปรากฏที่ต่างกันเฉพาะตัวพิมพ์ใหญ่-เล็กเข้าด้วยกัน และ "ไม่นับช่องว่าง" ไม่รวมช่องว่างในการนับสำหรับโหมดอักขระ; ผลลัพธ์จะถูกเรียงตามจำนวนการปรากฏจากมากไปน้อย

ข้อความที่วิเคราะห์ถูกส่งไปยังเซิร์ฟเวอร์หรือไม่?

ไม่ การวิเคราะห์ความถี่ทำงานทั้งหมดในเบราว์เซอร์ของคุณด้วย JavaScript — ไม่มีอะไรถูกส่งออนไลน์

กฎของ Zipf คืออะไร?

ในภาษาธรรมชาติ ความถี่ของคำแปรผกผันกับอันดับความถี่ของคำนั้น: คำที่พบบ่อยที่สุดปรากฏบ่อยประมาณสองเท่าของคำอันดับสอง สามเท่าของคำอันดับสาม เป็นต้น ความเบี่ยงเบนอย่างมีนัยสำคัญจากรูปแบบนี้เป็นสัญญาณว่าข้อความอาจถูกสร้างขึ้นโดยเทียมหรือเป็นสแปมที่ยัดคำสำคัญ

สามารถใช้การวิเคราะห์ความถี่เพื่อถอดรหัสการเข้ารหัสแบบง่ายได้หรือไม่?

ได้ สำหรับรหัสแทนที่แบบคลาสสิก (เช่น ROT13 หรือรหัสของ Caesar) ซึ่งไม่เปลี่ยนการกระจายความถี่ของตัวอักษร แต่เพียงสลับความสอดคล้องกัน การเปรียบเทียบการกระจายความถี่ของข้อความที่เข้ารหัสกับการกระจายที่รู้จักของภาษาต้นฉบับ ทำให้สามารถกู้คืนความสอดคล้องของอักขระได้โดยไม่ต้องลองรหัสทุกแบบ

บทความ: ข้อความ

camelCase, snake_case, kebab-case: ควรใช้รูปแบบไหนเมื่อไหร่

เหตุใดจึงมี camelCase, snake_case และ kebab-case และแต่ละแบบมักใช้ที่ไหน

Text Diff: อัลกอริทึมหาความแตกต่างของข้อความทำงานอย่างไร

อัลกอริทึม diff หาชุดการเปลี่ยนแปลงที่น้อยที่สุดระหว่างข้อความสองเวอร์ชันได้อย่างไร

Regular Expression: พื้นฐานและกับดักของการจับคู่แบบโลภ

ความแตกต่างระหว่างการจับคู่แบบโลภและแบบขี้เกียจใน regex และเหตุใดจึงสำคัญในทางปฏิบัติ

การเรียงบรรทัด: ทำไมการเรียงตามตัวอักษรถึงต่างจากการเรียงตามตัวเลข

เหตุใดการเรียงตามตัวอักษรจึงปฏิบัติต่อตัวเลขเหมือนข้อความ และต่างจากการเรียงตามตัวเลขอย่างไร

การ Escape สตริง: ทำไมกฎถึงต่างกันใน JS, JSON, shell และ regex

เหตุใดจึงไม่มีกฎการ escape เดียวที่ใช้ได้ทุกที่ — JS, JSON, shell และ regex ต่างก็มีกฎของตัวเอง

CRLF กับ LF: ทำไมการขึ้นบรรทัดใหม่ยังคงสร้างปัญหา

ความแตกต่างระหว่าง CRLF กับ LF มาจากไหน และเหตุใดยังคงสร้างปัญหากับ git และสคริปต์

การนับตัวอักษรและคำ: ทำไม Unicode ทำให้ซับซ้อน

เหตุใดอิโมจิหนึ่งตัวที่เห็นด้วยตาจึงอาจประกอบด้วย code point หลายตัวใน Unicode

Lorem Ipsum: ข้อความหลอกนี้มาจากไหนและทำไมไม่มีความหมาย

ข้อความ Lorem Ipsum มาจากไหนจริง ๆ และเหตุใดจึงใช้ข้อความไร้ความหมายแทนข้อความจริง

Slugify: หัวข้อกลายเป็น URL ที่ใช้งานได้อย่างไร

หัวข้อบทความกลายเป็น URL ที่สะอาดและอ่านง่ายด้วยเครื่องหมายขีดได้อย่างไร

Markdown: ทำไมจึงกลายเป็นมาตรฐานของเอกสาร

เหตุใด Markdown จึงยังอ่านง่ายแม้ในรูปแบบดิบ ต่างจาก HTML

ช่องว่างที่มองไม่เห็น: ทำไมการเปรียบเทียบข้อความที่ดูเหมือนกันจึงล้มเหลว

ช่องว่างที่มองไม่เห็นเพียงตัวเดียวทำให้การเปรียบเทียบข้อความสองชิ้นที่ดูเหมือนกันล้มเหลวได้อย่างไร

การกลับข้อความ: ทำไมจึงพังกับอิโมจิ

เหตุใดการกลับข้อความแบบง่ายจึงทำให้อิโมจิที่ประกอบจาก code point หลายตัวพังไป