Contador de Palavras e Caracteres

O que conta como palavra

Em línguas escritas com espaços, uma palavra é uma sequência de caracteres entre espaços em branco, então compostos com hífen contam como uma só e contrações não são divididas. A pontuação grudada a uma palavra não cria outra.

Japonês, chinês e coreano são o caso interessante, porque são escritos sem espaço entre as palavras. Dividir por espaços informaria uma única palavra para uma redação inteira. Por isso cada caractere CJK conta como uma palavra, a convenção seguida tanto pelo Microsoft Word quanto pelo Google Docs, o que torna o número comparável ao que um editor ou cliente provavelmente usa. É uma convenção, não uma verdade linguística - um composto de dois caracteres é uma palavra por qualquer definição razoável -, então para texto CJK a contagem de caracteres costuma ser o número que você realmente quer, e ela aparece ao lado.

Texto misto é tratado aplicando as duas regras: trechos em alfabeto latino são contados como palavras, e caracteres CJK um a um.

Tempo de leitura, e quanto confiar nele

A estimativa usa 238 palavras por minuto para leitura silenciosa de prosa em inglês, o valor central da meta-análise de Brysbaert de 2019, que reuniu uns duzentos estudos. Texto CJK é medido em caracteres por minuto, porque ninguém lê essas línguas em unidades de palavra.

Trate o resultado como uma ordem de grandeza, não como medição. A mesma meta-análise encontrou taxas individuais variando de cerca de 175 a 300 palavras por minuto em prosa comum, e o material muda o ritmo mais do que o leitor: texto técnico denso, exemplos de código, tabelas e vocabulário desconhecido desaceleram bastante a leitura, enquanto uma notícia familiar a acelera. O tempo de leitura num post de blog é uma gentileza aproximada com o leitor, não uma promessa.

As barras de limite

São mostrados quatro tetos porque são os que as pessoas usam como referência o tempo todo: 280 caracteres para um post no X, 160 para uma meta description, 60 para uma tag title e 160 para um SMS.

Cada um tem uma ressalva que vale conhecer. O X conta caracteres de chinês, japonês, coreano e algumas outras escritas como dois, então um post em japonês chega ao limite com cerca de 140 caracteres, e mede links com tamanho fixo, seja qual for o comprimento real da URL. Meta descriptions e tags title não são limites rígidos, e sim pontos de corte, e os buscadores cortam por largura em pixels, não por número de caracteres, então um título cheio de maiúsculas e letras largas é cortado antes do que o número sugere. O SMS só comporta 160 caracteres no alfabeto GSM de 7 bits; um único caractere fora dele, emoji incluído - e algumas letras acentuadas usadas em português, como ã, õ e ç maiúsculo -, muda a mensagem inteira para codificação de 16 bits e o limite cai para 70.

Palavras mais usadas

A lista de frequência existe para mostrar em que um texto realmente se detém, e é por isso que palavras funcionais muito comuns são filtradas - artigos, preposições, pronomes e verbos auxiliares ocupariam todas as posições da lista em qualquer texto de qualquer gênero. Letras isoladas são descartadas pelo mesmo motivo.

As palavras são convertidas para minúsculas antes da contagem, então um termo não é dividido entre a forma com e sem maiúscula. Não há redução ao radical: run e running são contadas separadamente, porque juntá-las exige adivinhar, e os palpites erram com frequência suficiente para confundir. Texto CJK também é contado por caractere aqui.

Convenções de extensão na edição e na academia

A contagem de palavras pesa de verdade no trabalho editorial. Uma pauta jornalística é encomendada em palavras e entregue dentro de uma margem de poucos por cento. Trabalhos acadêmicos costumam admitir dez por cento para mais ou para menos, e muitas instituições excluem a bibliografia e os anexos, mas incluem as notas de rodapé - e é justamente esse detalhe que pega as pessoas de surpresa.

As categorias de extensão de livros estão praticamente definidas por convenção: flash fiction abaixo de mil palavras, contos até pouco mais de sete mil, novelas até cerca de quarenta mil, e a maioria dos romances comerciais entre oitenta e cem mil. As editoras se importam porque o custo de papel e impressão cresce com a extensão, e porque a expectativa do leitor dentro de um gênero é surpreendentemente estreita.

Na internet, os números úteis são menores. Um post de blog de oitocentas a mil e quinhentas palavras cobre bem a maioria dos assuntos sem encher linguiça, uma newsletter por e-mail tende a perder leitores depois de quinhentas, e uma landing page cumpre seu papel com bem menos do que qualquer uma das duas. Extensão não é qualidade, mas é uma restrição que vale conhecer antes de começar, e não depois.

Legibilidade e o que as fórmulas realmente medem

Índices de legibilidade como o Flesch-Kincaid são aritmética sobre tamanho de frase e número de sílabas. Eles se correlacionam com a dificuldade bem o bastante para serem úteis e não medem absolutamente nada sobre a clareza do texto: uma frase de palavras curtas e familiares na ordem errada pontua bem e comunica mal.

Onde eles ajudam de verdade é como luz de alerta. Um salto no tamanho médio das frases costuma marcar o parágrafo em que você perdeu o fio da meada, e uma pontuação alta demais em um documento técnico muitas vezes indica que o jargão foi trocado por vagueza, não por explicação.

As contagens aqui apoiam o mesmo tipo de revisão sem fingir que são uma nota. O número de frases e de parágrafos mostra o ritmo do texto; a lista de palavras repetidas mostra no que ele de fato insiste, que frequentemente não é o que o autor pretendia. Ler um parágrafo em voz alta continua sendo o melhor teste que alguém já encontrou, e não custa nada.

Onde a contagem de caracteres decide o que as pessoas veem

Os resultados de busca cortam um título por volta de 600 pixels, o que dá mais ou menos 55 a 60 caracteres em uma fonte comum - e, como o corte é por largura e não por contagem, um título cheio de maiúsculas ou de letras largas some antes. As meta descrições são cortadas em torno de 155 a 160 caracteres, e os buscadores frequentemente ignoram a descrição por completo e geram a sua própria a partir da página.

As prévias em redes sociais têm seus próprios limites, e o padrão é o mesmo: os primeiros 50 a 60 caracteres de um título fazem o trabalho, e tudo depois disso é contexto, não mensagem. Linhas de assunto de e-mail são cortadas pelo cliente, muitas vezes perto de 40 caracteres no celular.

A abordagem prática é carregar o começo. Coloque as palavras que diferenciam logo no início, para que a frase ainda signifique algo quando for cortada, e trate tudo que passa do limite como bônus para quem vir o texto inteiro. Conferir a contagem antes de publicar é um hábito de dois segundos que evita que um título seja lido como uma frase inacabada.

A tradução muda a extensão, às vezes bastante

O texto não mantém seu tamanho de uma língua para outra. Do inglês para o alemão ou o russo, ele costuma se expandir entre vinte e trinta e cinco por cento; do inglês para o finlandês ou o húngaro, pode expandir ainda mais. Traduzir para chinês, japonês ou coreano geralmente contrai bastante a contagem de caracteres, já que uma palavra vira com frequência um ou dois caracteres.

Isso é uma restrição de design tanto quanto de escrita. Um botão rotulado Save em inglês vira Speichern em alemão e Enregistrer em francês, então um botão de largura fixa desenhado para quatro caracteres quebra nos dois casos. O conselho padrão é projetar para cerca de quarenta por cento de expansão em textos curtos e testar com o idioma de destino mais longo, não com o mais curto.

Para quem escreve o texto de origem sabendo que ele será traduzido, frases mais curtas, menos expressões idiomáticas e nenhum trocadilho economizam dinheiro de verdade, porque a tradução é cobrada por palavra e a ambiguidade é cobrada em perguntas. Isso também melhora bastante a tradução automática do mesmo texto.

Contar quando o texto é código, marcação ou uma mistura

Uma contagem de palavras sobre marcação conta a marcação. Colar HTML dá um número inflado por tags e atributos; colar Markdown conta as URLs dos links junto com o texto deles. Se o número vai para um cliente ou um editor, reduza antes ao texto renderizado - copiar da página exibida em vez do código-fonte é o jeito mais rápido.

Textos com mais de um idioma são tratados aqui aplicando as duas regras ao mesmo tempo: sequências em escrita latina são contadas como palavras, e caracteres japoneses, chineses e coreanos são contados um a um. Isso evita que um documento bilíngue informe um total enganoso em qualquer das duas direções.

No caso específico de textos em CJK, a contagem de caracteres costuma ser o número que importa comercialmente, já que as tarifas de tradução e edição nesses idiomas são cotadas por caractere e não por palavra. Os dois números aparecem juntos exatamente por isso.