Über dieses Tool
Was als Zeichen zählt
Die Zeichenzahl ist die Anzahl der Graphem-Cluster: der Einheiten, die ein Leser als ein Zeichen wahrnimmt, wie sie die Unicode-Regeln zur Textsegmentierung definieren. Ein „é“, eingegeben als Buchstabe e mit nachfolgendem kombinierendem Akzent, zählt einmal. Ebenso ein Emoji aus mehreren Codepunkten: Das Familien-Emoji 👨👩👧👦 ist ein Zeichen, obwohl es aus 7 Codepunkten, 11 UTF-16-Codeeinheiten und 25 Bytes in UTF-8 besteht.
Deshalb kann diese Zahl von string.length in JavaScript abweichen, das UTF-16-Codeeinheiten zählt, und von der Länge, die eine Datenbank meldet und die je nach Funktion und Spaltentyp in Bytes oder in Codepunkten angegeben sein kann. Wenn ein Formular oder eine API ein Limit nennt, prüfen Sie, welche dieser Einheiten gemeint ist. „Zeichen ohne Leerzeichen“ lässt Leerzeichen, Tabs, Zeilenumbrüche und anderen Leerraum weg.
Wie Wörter, Sätze und Absätze erkannt werden
Zeichen, Wörter und Sätze liefert das Intl.Segmenter Ihres Browsers, erstellt für die Sprache der Seite. Es folgt den Unicode-Regeln für Wort- und Satzgrenzen und stützt sich bei Sprachen, die Wörter nicht durch Leerzeichen trennen, etwa Japanisch, Chinesisch und Thai, auf im Browser eingebaute Sprachdaten, meist ein Wörterbuch. Eine Zahl wie 3.14 ist ein Wort, ebenso „don't“, während eine Zusammensetzung mit Bindestrich wie „well-known“ als zwei Wörter zählt.
Satzgrenzen sind Ermessenssache: Eine Abkürzung mit Punkt kann als Satzende gelesen werden, und ein Zeilenumbruch beendet immer einen Satz, sodass eine Überschrift als Satz zählt. Betrachten Sie diese Zahl als Schätzung. Ein Absatz ist eine Zeile, die Text enthält, was zu Text passt, der aus einer Textverarbeitung eingefügt wurde. „Zeilen“ zählt jede Zeile, auch die leeren. Die Häufigkeitstabelle listet die zehn häufigsten Wörter. Sie werden ohne Rücksicht auf Groß- und Kleinschreibung verglichen, und häufige Wörter wie „der“, „die“ oder „das“ werden nicht herausgefiltert.
Bytes und Lesezeit
UTF-8 verwendet ein Byte für ASCII, zwei für die meisten lateinischen Buchstaben mit Akzent sowie für griechische und kyrillische Buchstaben, drei für die meisten chinesischen, japanischen und koreanischen Zeichen und vier für die meisten Emojis. UTF-16 verwendet zwei Bytes für die meisten Zeichen und vier für die Zeichen außerhalb der Basic Multilingual Plane, zu denen die meisten Emojis gehören. Die Byte-Angaben gelten nur für den Text selbst, ohne Byte Order Mark. Ein Textfeld im Browser speichert jeden Zeilenumbruch als einzelnen Zeilenvorschub (LF). Text, der aus einer Datei mit Windows-Zeilenenden (CR LF) kopiert wurde, wird daher mit einem Zeichen pro Zeilenumbruch gezählt, und seine Byte-Angaben fallen kleiner aus als die Größe dieser Datei.
Die Lesezeit ist die Wortzahl geteilt durch die Lesegeschwindigkeit. Der Standardwert von 200 Wörtern pro Minute ist ein gängiger runder Wert für stilles Lesen; eine Übersichtsarbeit von Marc Brysbaert aus dem Jahr 2019 über Studien zur Lesegeschwindigkeit kam für Erwachsene, die Englisch lesen, im Schnitt auf 238 Wörter pro Minute bei Sachtexten und 260 bei Belletristik. Passen Sie die Geschwindigkeit an Ihre Leser an und senken Sie sie für einen Text, der vorgelesen wird, denn Sprechen ist langsamer als stilles Lesen.