Посчитайте слова, символы и предложения в PDF, не выгружая его сначала в текстовый редактор.
Счётчик слов в PDF
Посчитайте слова, символы и предложения в PDF, не выгружая его сначала в текстовый редактор.
Каждая страница читается ради координат её текста в этой вкладке, и сам документ не покидает ваше устройство — а это важно, когда ставку считают по черновику договора.
Переводчики считают ставку по словам, вузы задают лимиты в словах, а документ могут отклонить за превышение такого лимита — и все три случая приходят в виде PDF. Обычный обходной путь: выгрузить файл в текстовый редактор и посчитать там, из-за чего текст переверстывается, колонтитул уезжает в основной текст, а число, за которое вам платят, тихо меняется. Здесь слова считаются там, где они есть. Строки восстанавливаются по расстояниям на странице, слово, разорванное переносом, сшивается обратно, строка заголовка и номер страницы, повторяющиеся на каждой странице, исключаются, и каждая страница показывается отдельно — поэтому можно посчитать главу, а не книгу.
Возможности
Слова, символы с пробелами и без, предложения и абзацы
Постраничная таблица со шкалой, чтобы тяжёлые страницы были заметны
Время чтения при 238 словах в минуту и время озвучивания при 130
Повторяющиеся колонтитулы находятся по повторяемости и исключаются из подсчёта
Чисто числовые токены вида 2024, 3,14 или 1 000 можно исключить
Китайские и японские знаки считаются как одно слово каждый, как это делают текстовые редакторы
Двадцать самых частых слов, со скрытыми или показанными служебными
Несколько PDF за раз, с общим итогом по пакету и строкой CSV на каждую страницу
Как использовать Счётчик слов в PDF
Перетащите на страницу один PDF или сразу стопку
Для отчёта оставьте настройку колонтитулов включённой, для рукописи выключите
Прочитайте итоги, затем откройте постраничную таблицу, чтобы посчитать главу
Скопируйте сводку или скачайте постраничный CSV
Пример
Ввод
contract-v4.pdf — 38 pages
Результат
12,480 words · 78,110 characters (66,203 without spaces) · 641 sentences · 328 words a page · 52 min to read, 1 h 36 min to read aloud
Колонтитул, повторявшийся на всех 38 страницах, распознан и исключён.
Частые ошибки и устранение неполадок
В отсканированном документе насчитано ноль слов. — Эти страницы — картинки текста, и текстового слоя у них нет вовсе; инструмент говорит об этом прямо и перечисляет такие страницы. Сначала прочитайте их «OCR для PDF», затем считайте результат.
Насчитано больше, чем показывает мой текстовый редактор. — Включите «Игнорировать повторяющиеся колонтитулы» и «Игнорировать чисто числовые токены». Повторяющаяся строка заголовка на 300 страницах добавляет тысячи слов, которых текстовый редактор никогда не считал.
Сумма по страницам больше итога по документу. — Предложение или абзац, разорванный разрывом страницы, принадлежит двум страницам, но остаётся одним предложением, поэтому итог по документу вычитает его один раз. Столбец считает страницы, а итог — документ.
Прочитаны только первые 500 страниц. — Это предел одного прохода. Разделите файл «Разделить PDF», посчитайте части и сложите итоги — предупреждение называет файл, к которому это относится.
Часто задаваемые вопросы
Почему количество слов из PDF отличается от того, что показывает текстовый редактор?
Потому что в PDF нет слов. В нём есть глифы с координатами, и любой счётчик обязан решить, где начинаются строки, слова и абзацы. Выгрузка файла тоже принимает эти решения — только иначе, и поэтому один документ получает три ответа от трёх инструментов. Здесь правила видны: переносы сшиваются, повторяющиеся колонтитулы отбрасываются, а числа можно исключить.
Как считается слово, разорванное переносом строки?
Как одно слово. Строка, заканчивающаяся на «при-», и следующая, начинающаяся с «мер», сшиваются в «пример» до любого подсчёта, потому что именно это и написал автор. Настоящий дефис не трогается: «Ростов-» и «на-Дону» сохраняют дефис.
По какому показателю считает переводческое агентство?
Это зависит от языковой пары: европейские агентства обычно считают по словам исходника, работу с японским и китайским часто оценивают по знакам, а некоторые компании берут символы без пробелов. Показаны все три, плюс отдельный подсчёт китайских и японских знаков.
Откуда взяты время чтения и озвучивания?
238 слов в минуту при чтении прозы про себя и 130 при чтении вслух — средние значения из исследований чтения. Это ориентир, а не измерение: плотная техническая страница или таблица цифр отнимут заметно больше времени.
Можно ли посчитать набор PDF как один документ?
Да. Перетащите их вместе, и основные показатели покроют весь пакет, при этом у каждого файла останется своя строка, а CSV несёт имя файла в каждой строке страницы. Файлы, которые не открылись, перечисляются с причиной, а не считаются пустыми.
Связанные инструменты
PDF в текст — Извлекайте выделяемый текст из PDF в виде обычного текста или Markdown.
Счётчик слов — Подсчёт слов, символов, строк, байтов и токенов вживую.
OCR для PDF — Распознаёт текст в отсканированном PDF и делает его доступным поиску.
Проверка читабельности — Оценка текста по Flesch, Flesch-Kincaid, Gunning Fog, SMOG и другим
Счётчик страниц PDF — Считает страницы во многих PDF, отделяет цветные от чёрно-белых и оценивает печать.
Разделить PDF — Извлекайте страницы или диапазоны (например, 1-3,5,7-9) в новый PDF.
Инспектор PDF — Показывает версию PDF, размеры страниц, шрифты, картинки, формы, защиту и стандарты.
Другие инструменты: PDF
Изображения в PDF — Объединяйте изображения в один PDF (авто / книжная / альбомная ориентация).
PDF в изображения — Преобразуйте страницы PDF в изображения PNG или JPG для скачивания.
Объединить PDF — Объедините несколько PDF в один с возможностью изменения порядка.
Разделить PDF — Извлекайте страницы или диапазоны (например, 1-3,5,7-9) в новый PDF.
Повернуть PDF — Поверните все страницы или выбранные на 90/180/270°.
Упорядочить PDF — Меняйте порядок, поворачивайте и удаляйте страницы по миниатюрам и экспортируйте.