Đếm từ & Ký tự
Nhập hoặc dán văn bản để nhận kết quả thống kê theo thời gian thực.
Quy tắc tính toán & Ghi chú kỹ thuật
- Đếm từ: Nhận diện token chữ cái Unicode
\p{L}, chữ số\p{N}và các từ có gạch nối như COVID-19, Wi-Fi. - Xử lý Unicode: Chuẩn hóa tự động về NFC trước khi đếm, bảo đảm ký tự tổ hợp (NFD) và biểu tượng Emoji (🇻🇳, 🚀) không bị tính sai.
- Đoạn văn: Tính theo từng khối văn bản được ngăn cách bởi dòng trống ngắt đoạn.
- Thời gian đọc: Ước tính dựa trên tốc độ đọc trung bình 200 từ/phút cho văn bản tiếng Việt.
Q1: Tại sao cụm từ "Hà Nội" được đếm là 2 từ thay vì 1 từ phức?
Trả lời: Về ngôn ngữ học, "Hà Nội" là 1 từ phức chỉ địa danh. Tuy nhiên, theo quy chuẩn đo lường tin học quốc tế và các trình soạn thảo (Word, Google Docs), mỗi khối chữ ngăn cách bởi khoảng trắng được tính là 1 token (âm tiết đơn). Cách tính này giúp kết quả tương thích với tiêu chuẩn đo lường dung lượng bài viết và dịch thuật.
Q2: Gõ tiếng Việt bằng bảng mã tổ hợp (NFD) có bị đếm thừa ký tự không?
Trả lời: Không. Hệ thống tự động chuẩn hóa văn bản sang dạng dựng sẵn (NFC) trước khi tính toán. Ký tự có dấu tổ hợp (ví dụ chữ "à" gồm "a" và dấu huyền rời) vẫn được đếm chính xác là 1 ký tự hiển thị, không bị tính sai số lượng.
Xem bài viết hướng dẫn chi tiết về thuật toán đếm từ tiếng Việt →