Contador de frecuencia de palabras

Una palabra es una secuencia de letras y dígitos; un guion o un apóstrofo dentro de la palabra la mantiene unida, así que e-mail o franco-mexicano cuentan una vez. No importan las mayúsculas: Precio y precio son la misma palabra. Las tildes y la ñ quedan dentro de la palabra, y el texto se pasa primero a la forma Unicode compuesta (NFC), para que una á escrita con el acento aparte sea la misma palabra que una á normal.

El porcentaje es las veces que aparece una palabra dividido entre todas las palabras del texto. «El precio está bien, pero el plazo de entrega me preocupa. El plazo de entrega es de seis semanas. El precio incluye la entrega.» tiene 24 palabras; entrega aparece 3 veces, o sea 12.5%, y precio y plazo dos veces cada una. Las palabras vacías y cortas que ocultas siguen contando en el total, así que los porcentajes no cambian al mover un filtro.

Los números quedan fuera por defecto (desactívalo para contarlos; 3.5 sigue siendo un número). Arriba de la tabla ves el total, las palabras distintas y cuántas ocultan tus filtros.

Las palabras vacías (stop words) son las palabras cortas y frecuentes que casi no tienen significado propio: de, la, que, el, en, y. Si se quedan, llenan el principio de cualquier lista. Esta página las oculta con la lista en español del proyecto Snowball (308 palabras, con licencia BSD), que también incluye formas de estar, haber, ser y tener.

Desactiva el filtro para verlas, o agrega tus propias palabras para ocultar, como este, bueno, o sea o un nombre que sale en cada línea. La lista es un punto de partida, no una regla: en un discurso o un análisis de estilo, justo las palabras pequeñas pueden ser lo interesante.

Las pestañas de frases cuentan pares y tríos de palabras, como plazo de entrega o retorno de inversión. Se cuentan dentro de una oración, sin cruzar un punto, un signo de interrogación, dos puntos o un salto de línea. Con las palabras vacías ocultas se descarta la frase que empieza o termina con una; la que la tiene en medio (plazo de entrega) se queda.

Solo se muestran las frases que aparecen al menos dos veces. En una transcripción de llamada o de entrevista, suelen ser los temas a los que la otra persona volvía una y otra vez.

Pega una entrevista, una llamada de ventas o una reunión y deja activado Ignorar nombres de hablantes y marcas de tiempo: etiquetas como Ana: o Hablante 1 y tiempos como 00:03, además de los tiempos de WebVTT y SRT, se quitan antes de contar, para que los nombres no encabecen la lista. También puedes abrir un archivo .txt, .vtt o .srt.

La lista ordenada muestra rápido de qué se habló de verdad: el cliente dijo tiempo muerto once veces y precio dos. Busca en la tabla una palabra que esperabas oír y ve si salió.