如何统计英文文本的词频并查看高频词占比

先了解它适合分析什么

这款工具用于查看一段文本中哪些词出现得更频繁，并把保留下来的词按出现次数排序，同时显示每个词占提取词元总数的百分比和相对条形值。你可以把它用于英文文章初步检查、内容整理或比较一段文字里的高频表达。输入文本不是必填项；留空时，工具会完成一次空分析，并返回为零的总词数和不同词数。

按步骤统计词频

1. 准备一段文本并粘贴到输入框。若不提供文本，工具会按空字符串处理，因此也可以先用空输入确认结果结构。
2. 根据需要决定是否启用停用词过滤。该选项默认开启；开启后，内置停用词集合中的词不会进入频率统计。若你想观察这些词本身的出现情况，请关闭过滤。
3. 设置要查看的高频词数量。默认值为 20；可转换为整数的设置会被限制在 5 到 100 之间，空值等无效值则使用 20。
4. 执行分析并查看结果。工具会先将输入内容转换为小写，再提取由英文字母 a 到 z 和撇号组成的词元。随后，保留下来的词会按出现次数从高到低排列。
5. 对照结果中的总词数、不同词数、词频列表、百分比和相对条形值。若修改文本、停用词选项或高频词数量，重新执行分析后再比较结果。

如何解读分析结果

总词数反映提取到的词元数量，不同词数反映不同词元的数量。某个词的百分比按照该词出现次数除以提取词元总数计算，并四舍五入到小数点后两位；相对条形值则把该词的次数与保留下来的最高次数进行比较，并四舍五入到小数点后一位。因此，百分比适合观察某个词在整段输入中的占比，条形值适合快速比较榜单内部的相对高低。

停用词过滤会改变频率列表中的保留内容，所以比较两次结果时，应保持过滤状态一致。高频词数量只影响展示范围，不应把榜单末尾没有出现理解为该词在原文中一定没有出现。空输入则是一次成功的空分析，结果中的总词数和不同词数为零。

使用示例

你正在检查一条英文短句中重复出现的词，并希望同时看到频率排序和相对占比。

将英文句子“Cats chase cats.”粘贴到输入框，保持默认设置并执行分析，然后查看词频列表及其附加指标。

结果应包含总词数、不同词数，以及按出现次数排序的词频条目；每个保留词还应有百分比和相对条形值。在 3 个提取词元中，最高频的是 “cats”，出现 2 次。

使用限制

• 它的词元识别规则面向 ASCII 英文字母和撇号，不是通用的 Unicode 分词器；中文、数字、非 ASCII 字母、标点及连字符文本不能按完整词识别。

常见错误

• 如果把中文、数字、连字符词或含其他非 ASCII 字符的内容直接当作完整词来统计，结果可能与预期不同。请改用符合英文字母 a-z 和撇号规则的文本，或先整理输入内容。

常见问题

可以用中文文本统计词频吗？

可以，但工具只会提取由 ASCII 英文字母 a-z 和撇号组成的词元，并先将文本转为小写；中文、数字、非 ASCII 字符和连字符文本不会按完整词识别。

能否排除或保留停用词？

可以。停用词过滤默认开启，启用时内置停用词集合中的词会从频率统计中排除；关闭后，这些词也可进入统计。

高频词榜单能显示多少个词？

可以。高频词数量默认是 20，可转换为整数的设置会被限制在 5 到 100 之间；空值等无效值会回到 20。