यूनीक वर्ड एक्सट्रैक्टर
किसी टेक्स्ट को चिपकाएँ और हर अलग शब्द एक बार, वर्णानुक्रम में पाएँ, जो शब्दावली सूची या कीवर्ड सूची के रूप में तैयार है। आप बड़े-छोटे अक्षरों को अनदेखा कर सकते हैं, दिखा सकते हैं कि हर शब्द कितनी बार आता है, छोटे शब्द छिपा सकते हैं, और परिणाम को प्रति पंक्ति एक या अल्पविराम से अलग करके कॉपी कर सकते हैं। निःशुल्क, पंजीकरण आवश्यक नहीं, और कुछ भी अपलोड नहीं होता।
विकल्प
तुर्की एकमात्र भाषा है जो केस बदलते समय अक्षर i को अलग तरह से संभालती है: İ, i में लोअरकेस होता है, और i, İ में अपरकेस होता है।
यूनीक वर्ड एक्सट्रैक्टर का उपयोग कैसे करें
- अपना टेक्स्ट चिपकाएँ। कोई निबंध, कोई अध्याय, कोई ट्रांसक्रिप्ट या सर्वेक्षण के उत्तरों का सेट। जैसे-जैसे आप टाइप करते हैं सूची अपडेट होती है; कोई बटन दबाने की ज़रूरत नहीं।
- विकल्प चुनें। केस-इनसेंसिटिव डिफ़ॉल्ट रूप से चालू रहता है, इसलिए "The" और "the" एक ही शब्द हैं और सूची लोअरकेस में होती है। गिनती दिखाएँ चालू करने पर हर शब्द के बाद (n) जुड़ जाता है। न्यूनतम लंबाई उससे छोटे शब्द छिपाती है, जो आप 1 से 20 अक्षरों के बीच चुनते हैं।
- आउटपुट का प्रारूप चुनें। प्रति पंक्ति एक से एक कॉलम मिलता है, जिसे आप स्प्रेडशीट में चिपका सकते हैं। अल्पविराम से अलग करने पर एक ही पंक्ति मिलती है, जो टैग या कीवर्ड फ़ील्ड के लिए उपयोगी है।
- सूची कॉपी करें। ऊपर कुल शब्द और यूनीक शब्द दिखाए जाते हैं, ताकि आप देख सकें कि टेक्स्ट का कितना हिस्सा दोहराव था।
शब्द किसे माना जाता है
शब्द अक्षरों, अंकों और किसी भी लिपि की मात्राओं की एक शृंखला है, जिसमें शब्द के भीतर हाइफ़न या अपॉस्ट्रोफ़ी भी जुड़ सकते हैं। इसलिए don't, well-known और dog's हर एक पूरे रहते हैं, जबकि शब्द के आस-पास के अल्पविराम, पूर्ण विराम, उद्धरण चिह्न और कोष्ठक हटा दिए जाते हैं। अंक भी शब्द गिने जाते हैं, जो किसी टेक्स्ट में आए वर्षों या कोड की सूची के लिए उपयोगी है। और 3.14 जैसी दशमलव संख्या दो प्रविष्टियाँ बन जाती है, 3 और 14।
सूची बड़े-छोटे अक्षरों को अनदेखा करके वर्णानुक्रम में होती है, जिसमें अंक पहले आते हैं (पाठ के रूप में क्रमबद्ध, इसलिए 14, 3 से पहले आता है) और फिर a से z तक। एक ही शब्द के अलग रूप, जैसे dog, dog's और dogs, अलग प्रविष्टियाँ हैं, क्योंकि यह टूल वर्तनी की तुलना करता है और शब्दों को उनके मूल रूप तक नहीं लाता।
अन्य भाषाएँ भी काम करती हैं। उच्चारण-चिह्न वाले अक्षर और गैर-लैटिन लिपियाँ अपने शब्द के भीतर रहती हैं, इसलिए "café au lait, naïve résumé" से प्रविष्टियाँ au, café, lait, naïve और résumé बनती हैं। जिन भाषाओं में शब्दों के बीच स्पेस नहीं होता, जैसे चीनी और जापानी, वे अलग शब्दों के बजाय लंबी शृंखलाओं के रूप में आती हैं। तुर्की i नियम का स्विच केवल यह बदलता है कि अपरकेस अक्षर कैसे लोअरकेस होते हैं, और तुर्की पृष्ठ पर यह अपने-आप चालू रहता है।
हल किया गया उदाहरण
इस 24 शब्दों के वाक्य को लीजिए:
इनपुट
The cat sat on the mat. The dog didn't sit on the mat; it was a well-known fact that the dog's bed was warm.
| सेटिंग | यूनीक शब्द | आउटपुट |
|---|---|---|
| डिफ़ॉल्ट (केस-इनसेंसिटिव, न्यूनतम लंबाई 1) | 17 | a, bed, cat, didn't, dog, dog's, fact, it, mat, on, sat, sit, that, the, warm, was, well-known |
| गिनती दिखाएँ, अल्पविराम से अलग | 17 | a (1), bed (1), cat (1), didn't (1), dog (1), dog's (1), fact (1), it (1), mat (2), on (2), sat (1), sit (1), that (1), the (5), warm (1), was (2), well-known (1) |
| न्यूनतम लंबाई 4, अल्पविराम से अलग | 6 | didn't, dog's, fact, that, warm, well-known |
| केस-इनसेंसिटिव बंद, अल्पविराम से अलग | 18 | a, bed, cat, didn't, dog, dog's, fact, it, mat, on, sat, sit, that, The, the, warm, was, well-known |
कुल शब्द कार्ड हर पंक्ति में 24 रहता है। यूनीक शब्द वह संख्या है जो बचती है, केस फ़ोल्डिंग और लंबाई फ़िल्टर के बाद। 24 शब्द घटकर 17 इसलिए होते हैं क्योंकि the पाँच बार आता है और mat, on तथा was दो-दो बार। केस विकल्प बंद करने पर The और the अलग प्रविष्टियाँ बन जाते हैं, जिससे एक शब्द जुड़ जाता है। न्यूनतम लंबाई 4 चार अक्षरों से छोटे हर शब्द को हटाती है, और यह अपॉस्ट्रोफ़ी और हाइफ़न को भी अक्षर गिनती है, इसलिए didn't (6) और well-known (10) बने रहते हैं।
यह सूची किसके लिए उपयोगी है
- शब्दावली सूचियाँ। किसी पठन-सामग्री के शब्द निकालें, सामान्य छोटे शब्द छोड़ने के लिए न्यूनतम लंबाई 4 या 5 रखें, और आपके पास अध्ययन-सूची तैयार है।
- कीवर्ड जाँच। किसी ड्राफ़्ट में असल में कौन-से शब्द आते हैं, यह किसी लक्ष्य-सूची से तुलना करने से पहले देखें।
- दो टेक्स्ट की तुलना। हर एक के शब्द निकालें, फिर दोनों सूचियाँ सूचियाँ तुलना करें में चिपकाएँ और देखें कि कौन-से शब्द केवल एक ही टेक्स्ट में हैं।
- शब्द-सूची की सफ़ाई। दोहराव और विराम चिह्नों वाली गड़बड़ सूची चिपकाएँ और हर शब्द एक बार वापस पाएँ।
आपको कौन-सा उपकरण चाहिए?
| यदि आप चाहते हैं… | उपयोग करें |
|---|---|
| हर अलग शब्द एक बार, वर्णानुक्रम में | यह पृष्ठ |
| शब्द उनकी आवृत्ति के क्रम में, प्रतिशत के साथ और सामान्य शब्द छिपाकर | वर्ड फ़्रीक्वेंसी काउंटर |
| अपने टेक्स्ट से दोहराए गए शब्द हटाना और बाकी रखना | डुप्लिकेट शब्द हटानेवाला |
| किसी सूची से दोहराई गई पंक्तियाँ हटाना | डुप्लिकेट पंक्तियाँ हटाएँ |
| वे शब्द जो दो सूचियों में साझा हैं | सूचियाँ तुलना करें |
अक्सर पूछे जाने वाले प्रश्न
- टेक्स्ट से यूनीक शब्दों की सूची कैसे पाएँ?
- टेक्स्ट बॉक्स में टेक्स्ट चिपकाएँ। अलग शब्द तुरंत वर्णानुक्रम में, प्रति पंक्ति एक, कुल शब्द और यूनीक शब्द की गिनती के साथ दिखते हैं। कॉपी बटन से सूची कॉपी करें।
- केस-इनसेंसिटिव विकल्प क्या करता है?
- चालू होने पर (जो डिफ़ॉल्ट है), "The" और "the" एक ही शब्द होते हैं और आउटपुट लोअरकेस में होता है। इसे बंद करने पर बड़े और छोटे अक्षरों वाले रूप अलग प्रविष्टियाँ रहते हैं और अपनी मूल कैपिटलाइज़ेशन में दिखते हैं, जो व्यक्तिवाचक संज्ञाएँ पहचानने के लिए उपयोगी है।
- न्यूनतम लंबाई सेटिंग किसलिए है?
- यह आपके चुने हुए अक्षर-संख्या से छोटे शब्द छिपाती है, 1 से 20 अक्षरों तक। 4 या 5 सेट करने पर the, and, of और in जैसे अधिकांश सहायक शब्द हट जाते हैं, इसलिए जो बचता है वह शब्दावली सूची के ज़्यादा करीब होता है। यूनीक शब्द केवल वही शब्द गिनता है जो फ़िल्टर पास करते हैं।
- क्या अपॉस्ट्रोफ़ी और हाइफ़न वाले शब्द पूरे रहते हैं?
- हाँ। don't जैसे संकुचन और well-known जैसे हाइफ़नेटेड शब्द एकल शब्द के रूप में रहते हैं। शब्द के किनारों पर लगे विराम चिह्न हटा दिए जाते हैं, और dog's जैसा स्वामित्व-रूप dog से अलग सूचीबद्ध होता है।
- क्या उच्चारण-चिह्न वाले शब्द और अन्य लिपियाँ काम करती हैं?
- हाँ। café में é जैसे उच्चारण-चिह्न वाले अक्षर, और किरिलिक, ग्रीक, अरबी या देवनागरी में लिखे शब्द पूरे रहते हैं। केवल वे भाषाएँ अलग नहीं होतीं जिनमें शब्दों के बीच स्पेस नहीं होता, जैसे चीनी और जापानी।
- क्या यह गिनता है कि हर शब्द कितनी बार आता है?
- हाँ। गिनती दिखाएँ चालू करें और हर शब्द के बाद कोष्ठक में उसकी गिनती आ जाती है। प्रतिशत के साथ क्रमबद्ध तालिका के लिए वर्ड फ़्रीक्वेंसी काउंटर का उपयोग करें।
- क्या मेरा टेक्स्ट अपलोड होता है?
- नहीं। निष्कर्षण आपके ब्राउज़र में होता है, और टेक्स्ट कभी भेजा या संग्रहीत नहीं किया जाता।