சொல் எண்ணி

உரையை எண்ணித் திருத்துவது எப்படி?

1. உரையை ஒட்டவும், நேரடியாகத் தட்டச்சு செய்யவும் அல்லது சாதனத்திலுள்ள UTF-8 TXT கோப்பை இறக்குமதி செய்யவும்.
2. சொற்களைப் பிரித்தறிய உரைக்குப் பொருத்தமான மொழியைத் தேர்ந்தெடுக்கவும். தட்டச்சில் 450 மில்லிவிநாடிகள் இடைவெளி ஏற்பட்டதும் எண்ணிக்கைகள் புதுப்பிக்கப்படும். நீங்களே தொடங்க விரும்பினால், தட்டச்சின்போது எண்ணுதலை அணைத்துவிட்டு “சொற்களை எண்ணு” பொத்தானைப் பயன்படுத்தவும்.
3. உங்கள் பணிக்கான அதிகபட்ச சொல் எண்ணிக்கையை உள்ளிட்டு, இன்னும் எத்தனை சொற்களைச் சேர்க்கலாம் அல்லது எத்தனை சொற்கள் அதிகமாக உள்ளன என்பதைப் பார்க்கவும். உரையைத் திருத்திய பின் புதுப்பிக்கப்பட்ட எண்ணிக்கையைச் சரிபார்க்கவும்.
4. எண்ணிக்கைச் சுருக்கத்தை நகலெடுக்கவும் அல்லது பதிவிறக்கவும். உரைப்பெட்டியின் உரையை TXT கோப்பாகவும் சேமிக்கலாம்.

எது ஒரு சொல்லாக அல்லது எழுத்துக்கூட்டமாக எண்ணப்படுகிறது?

உலாவியின் Intl.Segmenter பிரித்தறியும் பகுதிகளை அடிப்படையாகக் கொண்டு சொற்கள் எண்ணப்படுகின்றன. சொல் போன்ற பகுதிகளாகக் குறிக்கப்பட்டவற்றையும் Unicode எழுத்துகள் அல்லது எண்கள் உள்ள பகுதிகளையும் எண்ணுகிறோம். சில உலாவிகள் சொற்கள் அல்ல என்று தவறாகக் குறிக்கும் இந்திய மொழிச் சொற்களும் இதில் அடங்கும். நிறுத்தக்குறிகளும் தனித்த ஈமோஜிகளும் பொதுவாகச் சொற்களாக எண்ணப்படாது; எண்களும் இடைவெளியில்லாத எழுத்துமுறைகளிலுள்ள சொற்களும் எண்ணப்படலாம். உங்கள் உரைக்குப் பொருத்தமான மொழியைத் தேர்ந்தெடுக்கவும். உலாவியின் Unicode தரவு, பல மொழிகள் கலந்த உரை, ஆவணத் தொகுப்பான்களின் விதிகள் ஆகியவற்றால் எண்ணிக்கைகள் மாறலாம். கடுமையான சமர்ப்பிப்பு வரம்பு இருந்தால், உரையைச் சமர்ப்பிக்கும் தளத்தின் விதிகளையே பின்பற்றவும்.

எழுத்துக்கூட்டங்கள் (grapheme clusters) என்பது வாசிப்பவர் ஒரு எழுத்தாக உணரும் வடிவங்களுக்கு அண்மையான அலகுகள். குடும்ப ஈமோஜியோ குறிகள் இணைந்த தமிழ் எழுத்தோ ஒரு எழுத்துக்கூட்டமாக இருந்தாலும், பல குறியீட்டுப் புள்ளிகள் அல்லது சேமிப்பக அலகுகளைக் கொண்டிருக்கலாம். இடைவெளிகளை விலக்கும்போது இடைவெளிகளை மட்டுமே கொண்ட எழுத்துக்கூட்டங்கள் நீக்கப்படும்; பிரிந்த உரைப் பகுதிகள் ஒன்றாக இணைக்கப்படாது. வெற்று வரிகள் பத்திகளைப் பிரிக்கின்றன; U+2029 குறி எப்போதும் புதிய பத்தியைத் தொடங்கும். இக்கருவி எண்ணிக்கையை மட்டுமே தருகிறது; எழுத்துப்பிழை, இலக்கணம் அல்லது மொழித் தரத்தை மதிப்பிடுவதில்லை.

இணைந்த அல்லது தனித்த குறியீடுகளால் எழுதப்பட்ட ஒலிக்குறிகள் உள்ளிட்ட உரை உள்ளிடப்பட்டபடியே இருக்கும். Unicode இயல்பாக்கம், மொழிபெயர்ப்பு அல்லது பழைய எழுத்துரு மாற்றம் செய்யப்படாது. தொழில்நுட்ப வரையறைகள் (ஆங்கிலத்தில்): Unicode segmentation மற்றும் Intl.Segmenter.

உள்ளூர் கோப்புகள், அழித்தல் மற்றும் மீட்டெடுத்தல்

TXT இறக்குமதி UTF-8 வடிவத்தைச் சரிபார்க்கிறது, பைனரி கட்டுப்பாட்டுக் குறிகளை நிராகரிக்கிறது, தொடக்கத்திலுள்ள BOM குறியை நீக்குகிறது, CRLF/CR வரி முடிவுகளை உரைப்பெட்டியின் LF வடிவத்திற்கு மாற்றுகிறது. செல்லாத கோப்பு உங்கள் தற்போதைய உரையையோ முடிவுகளையோ மாற்றாது. உரையைத் திருத்தினால் முடிவடையாத கோப்பு வாசிப்பு ரத்தாகும். இறக்குமதியை நீங்களும் ரத்துசெய்யலாம்; வாசிப்பு பத்து விநாடிகளில் முடியாவிட்டால் நிறுத்தப்படும். பக்கத்தை விட்டு வெளியேறுவதும் நடப்பிலுள்ள வாசிப்பை நிறுத்தும். தற்போதைய உரையும் எண்ணிக்கைகளும் தக்கவைக்கப்படும்; மீண்டும் முயல கோப்பை மறுபடியும் தேர்ந்தெடுக்கலாம். 10,000 அல்லது அதற்கு மேற்பட்ட UTF-16 அலகுகளைக் கொண்ட உரையை ஒட்டும்போது, பல வரிகளைச் சேர்ப்பதால் ஏற்படும் தாமதத்தைத் தவிர்க்க அது சரிபார்க்கப்பட்டு ஒரே மாற்றமாகச் சேர்க்கப்படும். பெரிய உரையை ஒட்டுதல், இறக்குமதி, எடுத்துக்காட்டு மற்றும் உரையை அழித்தல் ஆகியவற்றிற்கு ஒரு மீட்டெடுப்பு படி நினைவகத்தில் வைக்கப்படும். பின்னர் தட்டச்சு செய்வதோ மொழியை மாற்றுவதோ இந்த மீட்டெடுப்பை நீக்கும்; அதனால் புதிய திருத்தங்கள் தவறுதலாக மாற்றப்படாது. உரையை அழித்தாலும் அமைப்புகள் மாறாது.

தனியுரிமையும் வரம்புகளும்

உரை நினைவகத்திலும் சாதனத்திலேயே இயங்கும் worker-இலும் மட்டுமே இருக்கும். பதிவேற்றம், சேமிக்கப்பட்ட வரைவு அல்லது வெளிப்புறச் செயலாக்கம் இல்லை. உரையைத் திருத்தும்போது பழைய எண்ணும் பணி ரத்தாகும்; காலாவதியான முடிவுகளின் பதிவிறக்கங்கள் முடக்கப்படும். ரத்துசெய்த பின் மீண்டும் திருத்தும் வரை அல்லது எண்ணும் பொத்தானை அழுத்தும் வரை எண்ணுதல் நிற்கும். பத்து விநாடி worker நேரவரம்பும் 100,000 UTF-16 அலகுகளின் அளவு வரம்பும் உள்ளன. உள்ளீட்டு முறையில் ஒரு எழுத்தை உருவாக்கிக் கொண்டிருக்கும்போது, அது உறுதியாகும் வரை தானியங்கு எண்ணுதல் காத்திருக்கும். Intl.Segmenter இல்லாத உலாவிகளில் பிழை காட்டப்படும். இணை இல்லாத செல்லாத surrogate குறியீடுகள் நிராகரிக்கப்படும்; அதனால் UTF-8 ஏற்றுமதியில் அவை தெரியாமல் மாற்றப்படாது. உலாவியின் உரைப்பெட்டி வரி முடிவுகளை இயல்பாக்கும். பக்கத்தை மீண்டும் ஏற்றினால் உரை சேமிக்கப்பட்டிருக்காது; பதிவிறக்கிய கோப்புகள் உங்கள் கட்டுப்பாட்டிலேயே இருக்கும்.

மற்ற பணிகளுக்கு எழுத்து எண்ணி, பத்தி எண்ணி அல்லது வாக்கிய எண்ணி பயன்படுத்தலாம். பத்தி மற்றும் வாக்கிய எண்ணிகள் தற்போது ஆங்கிலத்தில் உள்ளன.