Статистика букв: ё и знак ударения при подсчёте

В строке «берёза» шесть букв, а акцентированная запись может содержать дополнительный кодовый знак. Буквенная статистика и общий счёт символов поэтому отвечают на разные вопросы. Сначала выясните метод, затем сравнивайте результаты и не делайте из частоты букв вывод о грамотности текста.

Короткий ответ

Статистика букв считает буквенные символы после NFC без различия регистра. Е и ё остаются отдельными. Цифры, пунктуация и отдельное ударение не входят; это другой показатель, чем число всех символов исходной записи.

Типографическая иллюстрация «берёза» к статье «Статистика букв: ё и знак ударения при подсчёте».
Различить буквы и отдельные кодовые знаки в статистике

Разделите буквы и элементы записи

В Unicode надстрочный знак может храниться отдельно от буквы. Тогда видимое сочетание состоит из нескольких кодовых элементов. Общий счёт символов способен включать каждый из них, а буквенный счёт использует другую проверку. Нельзя сравнивать показатели двух методов как будто они измеряют одну единицу.

NFC приводит канонически эквивалентные записи к определённому виду. Например, составная запись е с диерезисом может стать ё. Это нормализация способа составления буквы, а не замена ё на е. Ударение остаётся отдельным небуквенным элементом и не прибавляет букву в соответствующей статистике.

«Берёза» содержит шесть букв, включая одну ё.

Ё учитывается как самостоятельная буква русского написания.

Опора для объяснения: Unicode Standard Annex 15: нормализация Unicode; Unicode Standard Annex 29: границы текста.

Читайте частоты по правилам операции

erudeet объединяет регистр: заглавная и строчная русская буква попадают в одну частоту. Цифры и пунктуация не считаются буквами. Если вам нужен объём сообщения с пробелами, выберите общий счёт символов, а не сумму буквенных строк. Это разные задачи и разные результаты.

Е и ё не объединяются. Поэтому замена ё буквой е меняет распределение, даже если читатель распознаёт слово. Статистика не устанавливает, допустима ли такая запись в вашем документе. Вопрос написания и словарного чтения проверяется отдельно; число в таблице только сообщает встречаемость буквы.

«Ель и ёлка» показывает е и ё в разных буквенных строках.

Операция не сводит две буквы к одному частотному элементу.

Не выводите качество из частоты

Частое появление одной буквы может быть связано с темой, именами или повтором названия. Оно не доказывает стилистическую ошибку и не раскрывает богатство речи автоматически. Для исследования сначала нужна определённая задача сравнения и одинаковый метод. Для редакторской правки требуется чтение конкретных предложений.

Результат показывает до ста разных буквенных записей. Для отдельных нерусских букв преобразование без учёта регистра способно дать несколько знаков, поэтому русские ожидания нельзя переносить на все языки. Если сравниваете разноязычные фрагменты, учитывайте эти особенности и не объявляйте показатель универсальной лингвистической мерой.

«До́м» даёт три буквы; знак ударения не входит в буквенную сумму.

Акцент влияет на состав записи, но не добавляет букву этой операции.

Проверьте нужный охват текста

Ограничение ввода составляет десять тысяч символов. Если вы анализируете отрывок, частоты относятся к нему, а не ко всей книге или переписке. Запишите, какой фрагмент взят и какой метод использован, если результат нужен для последующего сравнения. Иначе одинаковые числа могут обозначать разные исходные условия.

После изменения записи пересчитайте итог, если нужен актуальный показатель. Не сохраняйте старую статистику рядом с новой редакцией без пояснения. Для лимита формы дополнительно проверьте её собственные правила: она может считать иначе. Буквенная таблица не заменяет проверку принятия текста конечной площадкой.

Проверьте себя

Прибавляет ли отдельный знак ударения букву в статистике букв?

Попробуйте на практике

Источники и подготовка

Авторские объяснения и примеры erudeet. Языковые положения проверены по указанным источникам; материал не является официальной экзаменационной программой.