ユニーク単語抽出ツール
テキストを貼り付けるだけで、すべての異なる単語を一度ずつ、アルファベット順のリストとして取り出せます。語彙リストやキーワードリストとしてそのまま使えます。大文字・小文字を無視し、各単語の出現回数を表示し、短い単語を除外して、結果を1行ずつ、またはカンマ区切りでコピーできます。無料で、登録は不要です。テキストはアップロードされません。
オプション
トルコ語は、文字iの大文字・小文字化が特殊な唯一の言語です：İは小文字にするとiになり、iは大文字にするとİになります。
ユニーク単語抽出ツールの使い方
- テキストを貼り付けます。 エッセイ、章、書き起こし、アンケートの回答など。リストは入力に合わせて更新されます。実行ボタンはありません。
- オプションを選びます。 「大文字・小文字を区別しない」は初期設定でオンです。そのため「The」と「the」は同じ単語になり、リストは小文字で表示されます。「出現回数を表示」をオンにすると、各単語の後に（n）が付きます。「最小文字数」では、1〜20文字の範囲で指定した文字数より短い単語を非表示にできます。
- 出力形式を選びます。 「1行に1単語」にすると、スプレッドシートに貼り付けやすい列になります。「カンマ区切り」にすると、タグやキーワード欄に使える1行になります。
- リストをコピーします。 上に総単語数とユニーク単語数が表示されるので、テキストのうち繰り返しがどれくらいあったかがわかります。
単語とみなされるもの
単語とは、任意の文字体系の文字、数字、アクセント記号が続いたものです。単語の中では、ハイフンやアポストロフィで連結される場合もあります。そのため、don't、well-known、dog's はそれぞれ1語のまま残り、単語の前後にあるカンマ、ピリオド、引用符、括弧は取り除かれます。数字も単語として数えられるため、テキスト内の年号やコードの一覧を作るのに役立ちます。3.14のような小数は、3と14の2件になります。
リストは大文字を無視してアルファベット順に並べられ、数字が先に（数字は文字列として並べるため、14は3より前に来ます）、その後にaからzの順に並びます。同じ語の異なる形、たとえば dog、dog's、dogs は、ツールが語根に還元せず綴りを比較するため、別の項目になります。
ほかの言語も扱えます。アクセント付きの文字や非ラテン文字は、単語の中にそのまま含まれます。そのため「café au lait, naïve résumé」からは au、café、lait、naïve、résumé という項目が得られます。中国語や日本語のように単語の間に空白を入れない言語は、単語ごとに分かれず、長い塊のままになります。トルコ語のi表記ルールのスイッチは、大文字・小文字の変換方法だけを変えるもので、トルコ語のページでは自動的にオンになります。
具体例
次の24語の文を例にします：
入力
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.
| 設定 | ユニーク単語数 | 出力 |
|---|---|---|
| 初期設定（大文字・小文字を区別しない、最小文字数1） | 17 | a, bed, cat, didn't, dog, dog's, fact, it, mat, on, sat, sit, that, the, warm, was, well-known |
| 出現回数を表示、カンマ区切り | 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) |
| 最小文字数4、カンマ区切り | 6 | didn't, dog's, fact, that, warm, well-known |
| 大文字・小文字を区別しない設定をオフ、カンマ区切り | 18 | a, bed, cat, didn't, dog, dog's, fact, it, mat, on, sat, sit, that, The, the, warm, was, well-known |
総単語数の欄は、どの行でも24のままです。ユニーク単語数は、大文字・小文字の統一と最小文字数フィルターを適用した後に残る数です。24語が17になるのは、「the」が5回、「mat」「on」「was」がそれぞれ2回出現し、重複が除かれるためです。「大文字・小文字を区別しない」をオフにすると、「The」と「the」が別々の項目になり、1つ増えます。最小文字数を4にすると、4文字未満の単語がすべて取り除かれます。アポストロフィとハイフンも文字数に含まれるため、didn't（6文字）とwell-known（10文字）は残ります。
このリストの使いどころ
- 語彙リスト。 読解用の文章から単語を抽出し、最小文字数を4か5にすると、短い基本語を除いた学習リストになります。
- キーワードの確認。 比較対象の語リストと照らし合わせる前に、下書きで実際に使われている語を確認できます。
- 2つのテキストの比較。 それぞれの単語を抽出し、2つのリストをリスト比較ツールに貼り付けると、一方のテキストだけで使われている語がわかります。
- 単語リストの整理。 繰り返しや句読点の多い乱雑なリストを貼り付けると、各単語が1回ずつ並んだリストが返ります。
どのツールが必要ですか？
よくある質問
- テキストからユニーク単語のリストを取り出すにはどうすればよいですか？
- テキストを入力欄に貼り付けると、異なる単語がすぐにアルファベット順で、1行に1つずつ表示されます。上には総単語数とユニーク単語数が表示されます。コピーボタンでリストをコピーできます。
- 大文字・小文字を区別しないオプションは何をしますか？
- 初期設定どおりオンにすると、「The」と「the」は1つの単語として扱われ、出力は小文字になります。オフにすると、大文字と小文字の形が別々の項目として、元の表記のまま残ります。固有名詞を見分けたいときに便利です。
- 最小文字数の設定は何のためのものですか？
- 1〜20文字の範囲で指定した文字数より短い単語を非表示にします。4か5に設定すると、the、and、of、inのような機能語の大半が除かれ、残りは語彙リストに近くなります。ユニーク単語数は、フィルターを通過した単語だけを数えます。
- アポストロフィやハイフンを含む単語は、そのまま残りますか？
- はい。don'tのような短縮形や、well-knownのようなハイフン付きの単語は、1語として残ります。単語の両端の句読点は取り除かれ、dog'sのような所有格は、dogとは別の項目として並べられます。
- アクセント付きの単語や、ほかの文字体系も扱えますか？
- はい。caféのéのようなアクセント付きの文字や、キリル文字、ギリシャ文字、アラビア文字、デーヴァナーガリー文字の単語は、1語のまま残ります。単語の間に空白を入れない中国語や日本語だけは、単語ごとには分かれません。
- 各単語が何回出現するかも数えられますか？
- はい。「出現回数を表示」をオンにすると、各単語の後に、かっこ付きの回数が表示されます。出現割合を含むランキング表が必要な場合は、単語頻度カウンターを使ってください。
- テキストはどこかにアップロードされますか？
- いいえ。抽出はブラウザ内で行われ、テキストが送信されたり保存されたりすることはありません。