英文词频怎么统计？重复用词与关键词密度检查

改英文稿子时，常会怀疑某个词用得太多，却说不清是哪个。把段落粘进来，按次数排一遍，重复的动词和形容词立刻现形。

什么时候需要看词频

写完一段英文，读起来总觉得单调，多半是同一个动词或连接词反复出现，但具体是哪一个又说不清。凭感觉改容易漏，把词频列出来，排在前几位的词就是最该动手替换的地方，改起来也更有针对性。

检查关键词密度也是类似的做法：把落地页的正文粘进来，看目标词出现了几次、在整段里占多大比例。字幕、论文、客服对话记录里的高频词，同样能反映用词习惯，或者用户反复问到的问题。

工具按空白切分词，比较时区分大小写，也不剥离标点。所以 The 和 the 是两行，dog 和 dog. 也是两行，带引号或逗号的词都会各自独立计数。同一段文本里，大小写混用会让统计结果分散。

输出格式是「单词: 次数」，按次数从高到低排列，每行一个。次数相同的情况下，顺序大致取决于这个词第一次出现的位置；结果可以直接复制进表格，再做筛选、排序或者和其他词表对照。

它不做词形还原，run、runs、running 是三行，需要人工合并或使用词干工具。也没有停用词过滤，the、a、of 会占据前几名，想看得更清楚，可以先手动删掉这些词再统计。

它不给百分比，关键词密度要自己算：某个词的次数除以总词数。密度也没有统一的标准值，不同内容类型、不同长度的文本差别很大，所以不要把它当成影响排名的开关，只当成写作时的参考。

为什么 The 和 the 被算成两个词？

因为统计区分大小写，The 和 the 会各自占一行，次数也被拆开。想合并的话，先把文本全部转成小写再统计，同一个词就会累加到一起。

标点会影响统计吗？

会。标点不会被剥离，dog 和 dog. 是两个不同的条目，dog, 也一样。要得到干净的词频，先把标点去掉或替换成空格，再统计，结果才不会被标点拆散。

中文和日文能统计吗？

不能准确统计。工具按空白切分，中文和日文句子中间没有空格，整句会被当成一个词，只会得到「整句: 1」这样的结果。这两种语言需要专门的分词工具。