مشکل شمارندههای سنتی واژه برای Markdown
وقتی با Markdown مینویسید سند پر از نحو ساختاری است که بخشی از نثر منتشرشده نیست. ابزار سنتی شمارش واژه متن را کورکورانه با فاصله یا نقطهگذاری میشکافد بدون درک زبان نشانهگذاری. در نتیجه نمادهایی مثل # برای عنوان، ** برای تأکید پررنگ، > برای نقلقول، بکتیک (`) برای قطعه کد، و رشته URL داخل پیوند ([anchor text](https://example.com)) بهعنوان واژه واقعی شمرده میشود یا شمارش نویسه را باد میکند.
برای نویسنده فنی، وبلاگنویس، مؤلف مستندات و خبرنگار، این اعوجاج هنگام هدفگذاری شمارش دقیق ناشر یا سقف طول مقاله مشکل جدی میسازد. آموزش فنی ۲۰۰۰ واژهای Markdown ممکن است روی شمارنده عمومی آنلاین ۲۴۰۰ واژه گزارش شود فقط بهخاطر قطعه کد درونخطی، نشانگر نحو و URL بلند پیوند.
Utiliome چگونه سنجه دقیق Markdown را حساب میکند
Utiliome این را با فرایند چندمرحلهای پاکسازی AST (درخت نحو انتزاعی) و regex قبل از تحلیل متن حل میکند:
- فیلتر پیوند و تصویر: متن لنگر پیوند (
[anchor text]) برای شمارش واژه حفظ میشود، در حالی که URL مقصد ((https://...)) و نشانهگذاری تصویر () حذف میشود تا نشانی وب شمارش را باد نکند. - حذف توکن قالب: علامت هش عنوان (
#،##)، ستاره و زیرخط تأکید (*،_،**،__)، مدک خطخورده (~~) و پیشوند نقلقول (>) قبل از توکنسازی رشته حذف میشوند. - مدیریت بلوک کد: بلوک کد فنسشده (
js ...) و عنصر کد درونخطی جدا دستهبندی میشوند تا نثر بدنه دقیق اندازه گرفته شود بدون اینکه نحو کد سنجه مطالعه را کج کند. - توکنسازی جمله و پاراگراف: متن با الگوی regex مرز جمله زبانآگاه تحلیل میشود و مخفف، اعشار و مرز فهرست گلولهای درست مدیریت میشود.
با جدا کردن رونوشت خوانای انسانی از نشانهگذاری Markdown، Utiliome داده دقیق و قابل اعتماد مخصوص گردش کار مدرن تولید محتوا میدهد.
برای حذف بلوک کد از شمارش واژه، ببینید شمارش واژه Markdown بدون بلوک کد.