그래핌을 바이트나 코드 포인트로 간주
결합 부호나 결합 이모지는 보이는 한 글자에 코드 포인트가 여러 개일 수 있습니다. 문자 빈도는 Intl.Segmenter 그래핌 클러스터를 세고 코드 포인트를 함께 표시하며 파일 바이트를 세지 않습니다.
텍스트 분석 워크벤치 | 유니코드 빈도, 가독성, 어휘 성향, 유사도
텍스트브라우저에서 실행(업로드 없음)
그래핌·단어 빈도, 분모가 명확한 키워드 창 밀도, 다섯 가지 영어 가독성 공식, 범위가 제한된 영어 어휘 성향, 정확한 그래핌 편집 유사도를 하나의 브라우저 Worker에서 측정합니다. 정규화·언어·분모·계산 한계를 결과와 함께 밝혀 편리한 숫자를 의미나 증거로 오해하지 않게 합니다.
다음에 할 작업
관련 작업 흐름을 이어가거나 이 작업 다음에 자주 사용하는 도구를 열어보세요.
작업 가이드
게시·초안 비교 전에 텍스트 측정치를 감사하는 방법
편집자, 연구자, 지원팀, SEO 검토자가 초안의 단어 반복, 목표 구문 과다, 읽기 난이도, 부정적 표현, 다른 버전과의 유사성을 물을 때 사용하는 절차입니다. 분석 전에 단위·언어·정규화·분모·한도·해석을 고정하고 결정론적 근거와 편집 판단을 분리합니다.
열기관련 도구텍스트·코드·Unified Patch Diff 비교기
정확한 줄 hunk, 코드 포인트 강조, unified patch로 제한된 텍스트를 로컬 비교합니다.
열기관련 도구텍스트 변환 워크벤치 | Unicode 역순, FIGlet, 점자, Lorem, 셔플, Zalgo
Unicode 안전 옵션과 seed로 11가지 제한된 텍스트 변환을 로컬에서 실행합니다.
열기관련 도구Unicode 정규화 | NFC·NFD·NFKC·NFKD 비교
코드 포인트 근거와 호환 손실 경고를 제공하는 Unicode 정규화 도구입니다.
열기이 도구 사용 방법
현재 질문에 맞는 측정을 선택하고, 서로 척도가 다른 모드의 숫자를 직접 비교하지 마세요.
빈도·밀도·유사도에서는 텍스트를 넣기 전에 분절 로케일, 유니코드 정규화, 대소문자 정책을 정하세요.
분석은 이 브라우저에서 끝나지만 결과를 공유할 수 있으므로 비밀값과 개인정보는 먼저 제거하세요.
텍스트를 붙여넣거나 한도 안의 텍스트 파일을 불러오세요. 유사도는 두 원문이 필요하고 가독성과 어휘 성향은 영어만 지원합니다.
전용 Worker 실행 후 제외 수, 분모, 어휘 적중률, 언어 경고, 자원 진단을 먼저 확인한 뒤 대표 점수를 읽으세요.
전체 탭 구분 보고서를 복사하거나 내려받고, 원문을 보존한 채 편집·연구 판단을 도메인 근거와 사람 검토로 다시 확인하세요.
이 도구를 써야 할 때
문장부호 잡음 없이 반복 항목 감사
명시한 대소문자·정규화 정책 뒤 로케일 기반 단어나 그래핌을 세고, 공백·숫자·짧은 토큰 제외 수를 별도로 확인합니다.
정의된 분모로 목표 구문 점검
겹칠 수 있는 1~5단어 연속 구문의 출현을 같은 길이의 유효 창 수로 나누어, 공식이 숨겨진 키워드 밀도 대신 재현 가능한 비율을 얻습니다.
영어 가독성 공식 나란히 비교
동일한 문장·단어·글자·추정 음절 통계로 Flesch Reading Ease, Flesch-Kincaid, 추정 Gunning Fog, Coleman-Liau, ARI를 검토합니다.
뚜렷한 영어 어조 단어 1차 분류
고정 AFINN 라벨의 적중 단어, 가까운 부정어의 영향, 실제 점수가 붙은 토큰 비율을 살펴 더 깊은 정성 검토가 필요한지 판단합니다.
시각적 diff 밖의 개정본 비교
명시한 정규화·대소문자 정책 뒤 정확한 그래핌 편집 수와 고유 단어 Jaccard 겹침을 계산하고, 큰 비교는 사전 복잡도 상한으로 중단합니다.
흔한 실수
분모 없이 키워드 밀도 인용
이 도구는 출현 횟수를 유효한 같은 길이 n-gram 창 수로 나눕니다. 전체 단어 수를 쓰거나 구문 길이를 곱하는 도구와는 토큰 필터와 공식이 같기 전까지 비교할 수 없습니다.
영어 가독성을 한국어나 일본어에 적용
다섯 공식은 영어 단어·문장·글자·추정 음절을 전제로 합니다. 비라틴 문자가 우세한 입력은 정밀해 보이는 잘못된 학년 점수 대신 오류로 거부합니다.
어휘 성향을 감정 탐지로 표현
AFINN 라벨과 짧은 부정 범위는 반어, 대상, 사실성, 의도, 안전, 문화, 전문 용어를 이해하지 못합니다. 적중률은 모델 신뢰도가 아니라 라벨이 붙은 토큰 비율입니다.
중요한 차이를 정규화로 지우기
NFC·NFKC·대소문자 접기는 원래 코드 포인트가 다른 문자열을 같게 만들 수 있습니다. 식별자·서명·포렌식처럼 원문 동일성이 중요하면 정규화 없음과 대소문자 구분을 사용하세요.
예시
사용자가 보는 문자 세기
비율 분모는 필터 전 6개가 아니라 실제 포함된 그래핌 클러스터 4개입니다.
입력
A a\n😀😀, 공백 제외와 대소문자 접기 사용출력
포함된 그래핌 4개: a = 2(50%), 😀 = 2(50%); 공백 그래핌 2개 제외여러 문자권 단어 분절
문장부호가 단어에 붙지 않고 ASCII 정규식이 비라틴 문자를 삭제하지 않습니다.
입력
Hello, hello! 안녕 안녕. 東京 東京 42, 한국어 분절과 숫자 제외출력
hello = 2, 안녕 = 2, 東京 = 2; 42는 제외된 숫자 토큰 1개로 보고세 단어 목표 창 측정
목표 구문의 토큰 수가 상위 n-gram 선택보다 우선하고 문장부호와 줄바꿈 경계를 넘지 않습니다.
입력
로컬 텍스트 도구는 편리합니다. 로컬 텍스트 도구는 원문을 보냅니다. 목표: 로컬 텍스트 도구출력
같은 문장 안의 유효 세 단어 창을 분모로 하여 목표 구문의 겹치는 출현 횟수와 비율을 표시영어 가독성 표본 검토
대표성이 더 큰 문단에서 공식 비교가 안정되므로 짧은 표본 경고가 계속 표시됩니다.
입력
The support team wrote a short guide. Readers can follow each step and verify the final result.출력
다섯 공식 값과 문장·단어·글자·추정 음절·복잡 단어 통계부정된 어휘 근거 검사
어휘 근거를 노출하고 신뢰도 퍼센트나 작성자의 감정을 탐지했다는 주장을 하지 않습니다.
입력
The export is useful, but the instructions are not clear.출력
적중 단어, 적용 점수, 부정된 적중 수, 토큰 적중률, 제한된 성향 라벨정준 동등 유니코드 비교
정규화·대소문자 접기 알림이 변환 뒤 동등성과 원본 바이트 동일성을 구분합니다.
입력
CAFÉ와 cafe 뒤 U+0301, NFC와 대소문자 접기 사용출력
그래핌 편집 0, 그래핌 유사도 100%, 단어 Jaccard 100%, 선택 변환 뒤 정확히 일치로케일 분절, 명시적 분모, 한정된 공식, 자원 제한 정확 비교
분석 전에 짝이 없는 UTF-16 서로게이트를 검사하고 유니코드 코드 포인트와 UTF-8 바이트를 모두 측정합니다. 각 입력은 262,144자와 262,144바이트로 제한하며 유사도 두 입력의 합도 262,144바이트를 넘을 수 없습니다. 작업은 취소, 15초 제한, 메모리 추정이 있는 전용 브라우저 Worker에서 실행됩니다.
문자 빈도는 정규화한 원문을 Intl.Segmenter의 grapheme 단위로 나누므로 결합 문자와 결합 이모지가 한 행에 남습니다. 단어 모드는 word 단위와 isWordLike를 사용한 뒤 선택 로케일, 대소문자, NFKC·NFC, 숫자, 최소 그래핌 길이 정책을 적용합니다. 비율은 포함된 단위만 분모로 사용하고 최대 100행만 표시합니다.
키워드 밀도는 원래 분절 순서에서 연속 창을 만들고, 필터된 토큰이 있거나 문장부호·줄바꿈 경계를 넘는 창을 제외합니다. 따라서 실제로 붙어 있지 않은 단어가 제외 과정에서 이어지지 않습니다. 목표는 1~5토큰이며, 출현 수를 같은 크기의 유효 창 수로 나눠 분모를 확인할 수 있습니다.
가독성은 영어 전용입니다. 하나의 통계 집합으로 Flesch Reading Ease, Flesch-Kincaid 학년, 명시적으로 추정한 Gunning Fog, Coleman-Liau, ARI를 계산합니다. 음절은 발음 사전이 아닌 결정론적 철자 휴리스틱이며, 10단어 미만은 거부하고 100단어 미만에는 안정성 경고를 붙입니다.
어휘 성향은 MIT sentiment 5.0.2 패키지에 고정된 3,382개 영어 AFINN-165 및 이모지 라벨을 사용하되 ASCII 토크나이저 대신 Intl.Segmenter를 사용합니다. 세 토큰 범위 부정어와 표시된 수식어만 점수를 바꿉니다. 유사도는 그래핌 배열, 두 개의 Uint32Array 행을 이용한 정확한 Levenshtein 거리, 고유 단어 Jaccard 겹침을 계산하고 12,000,000 비교 셀을 넘기 전에 거부합니다. 분석 이벤트에는 모드·안전한 옵션 범주·바이트·행·알림·시간·안정 오류 코드만 포함하며 원문, 목표 구문, 적중 단어, 결과는 넣지 않습니다.
자주 묻는 질문
문자 빈도가 이모지와 결합 부호를 올바르게 세나요?
선택한 로케일의 Intl.Segmenter 그래핌 클러스터를 셉니다. 결합 이모지나 글자와 결합 부호는 일반적으로 한 행이며 모든 기반 코드 포인트를 함께 표시합니다. 브라우저 유니코드 데이터는 바뀔 수 있으므로 재현성 연구에서는 환경도 기록하세요.
여기서 키워드 밀도는 정확히 무엇인가요?
겹칠 수 있는 목표 또는 상위 n-gram 출현 수를 같은 토큰 길이의 유효 연속 창 수로 나눈 값입니다. 숫자·최소 길이 필터와 문장 경계가 분모를 바꾸므로 비율과 함께 설정도 보존해야 합니다.
가독성 점수는 어떤 언어를 지원하나요?
영어가 우세한 문단만 받습니다. 공식과 음절 추정기는 한국어·일본어 가독성 척도가 아니며, 점수가 내용의 정확성·유용성·접근성·특정 독자 적합성을 증명하지 않습니다.
어휘 성향이 AI 신뢰도 점수인가요?
아닙니다. 제한된 부정·수식어 처리 뒤 결정론적 AFINN 합계의 부호입니다. 적중률은 분절 토큰 중 라벨이 붙은 비율일 뿐입니다. 반어·문맥·의도·대상·방언·전문 의미는 사람 또는 검증된 도메인 분석이 필요합니다.
유효한 두 텍스트인데 유사도가 거부될 수 있는 이유는 무엇인가요?
정확한 편집 거리는 그래핌 수의 곱에 비례합니다. 두 파일이 바이트 한도 안이어도 12,000,000 비교 셀을 넘으면 동적 계획법 실행 전에 중단합니다. 더 큰 자료에는 줄 diff, 표본 추출, 대용량 문서 전용 방법을 사용하세요.
원문이 브라우저 밖으로 전송되나요?
분석 기능은 원문이나 결과를 업로드하지 않습니다. Worker는 메모리 문자열을 로컬에서 받습니다. 운영 분석에는 고정 모드·옵션, 시간, 집계 바이트·행·알림 수, 안정 오류 코드만 들어갈 수 있고 텍스트·목표 구문·적중 단어·파일명·보고서는 들어가지 않습니다.
이 도구를 검증한 방법
관리 및 검수 SimpleWebUtils검토일
검증 방법: 텍스트 분석 워크벤치 검증에는 “문장 경계를 넘지 않고 반복되는 세 단어 구문 감사”에 적힌 정확한 입력을 사용했습니다. 정상 경로에서 “측정치를 고르기 전에 결정부터 작성”, “집계 계약 기록” 단계를 실행한 뒤 생성된 값이나 파일을 문서 결과와 맞춰 봤습니다. 위험 검토 항목은 “분모가 다른 비율 비교”, “가독성을 콘텐츠 품질 목표로 사용”였습니다.
기대 결과: 보고서는 대상 구문의 등장 횟수와 검사 가능한 3토큰 구간 수를 구분하고 NFKC·대소문자·숫자 제외 규칙을 적용했으며, 문장 경계를 넘지 않은 각 반복 위치를 제시했습니다.
검증한 작업 가이드 열기관련 작업 가이드
도구를 열기 전에 자주 쓰는 작업 흐름과 예시를 확인하세요.
관련 도구
관리 중인 다른 작업 흐름을 이어서 사용해 보세요
텍스트·코드·Unified Patch Diff 비교기
정확한 줄 hunk, 코드 포인트 강조, unified patch로 제한된 텍스트를 로컬 비교합니다.
텍스트
텍스트 변환 워크벤치 | Unicode 역순, FIGlet, 점자, Lorem, 셔플, Zalgo
Unicode 안전 옵션과 seed로 11가지 제한된 텍스트 변환을 로컬에서 실행합니다.
텍스트
Unicode 정규화 | NFC·NFD·NFKC·NFKD 비교
코드 포인트 근거와 호환 손실 경고를 제공하는 Unicode 정규화 도구입니다.
인코딩
단어 수 세기 | 확장 자소군·코드 포인트·UTF-8 바이트 비교
단어형 세그먼트, 확장 자소군, 코드 포인트, UTF-16 유닛, UTF-8 바이트, 줄과 읽기 시간을 로컬 계산합니다.
텍스트
제로 폭 문자를 안전하게 검사하고 제거하기
제로 폭 제어 문자 6종의 위치를 찾고 승인한 종류만 제거합니다.
텍스트