Analisis Frekuensi Karakter
Analisis dan visualisasikan distribusi frekuensi karakter dalam teks apa pun.
Tentang alat ini
Alat Analisis Frekuensi Karakter adalah alat yang mengungkapkan seberapa sering setiap karakter muncul dalam teks apa pun, menampilkan hasilnya melalui histogram interaktif dan statistik terperinci. Memahami distribusi karakter berharga untuk kriptografi, linguistik, kompresi data, dan analisis teks, di mana pola penggunaan karakter dapat mengungkapkan informasi penting tentang struktur bahasa atau kemungkinan skema pengkodean.
Menggunakan alat ini sangat mudah: cukup tempel atau ketik teks Anda ke dalam bidang input, dan analizador secara instan menghitung dan menampilkan frekuensi setiap karakter termasuk huruf, angka, spasi, dan tanda baca. Hasilnya disajikan secara visual sebagai grafik batang yang diurutkan berdasarkan frekuensi, bersama dengan tabel yang menunjukkan jumlah pasti dan persentase, memudahkan Anda mengidentifikasi karakter dominan dan pola.
Alat ini sangat berguna bagi para ahli bahasa yang mempelajari pola bahasa, programmer yang bekerja dengan algoritma kompresi atau pengkodean karakter, dan siapa pun yang tertarik dengan analisis teks dan kriptografi. Analizador menangani teks apa pun dalam bahasa apa pun dan memberikan wawasan visual dan numerik, membantu Anda memahami komposisi dan struktur data Anda sekilas.
Pertanyaan yang Sering Diajukan
Implementasi Kode
from collections import Counter
def char_frequency(text, case_sensitive=False, include_spaces=True, include_numbers=True):
if not case_sensitive:
text = text.lower()
if not include_spaces:
text = "".join(c for c in text if not c.isspace())
if not include_numbers:
text = "".join(c for c in text if not c.isdigit())
freq = Counter(text)
total = sum(freq.values())
return [
{"char": ch, "count": cnt, "percent": cnt / total * 100}
for ch, cnt in freq.most_common()
]
text = "Hello, World! Hello Python."
for entry in char_frequency(text)[:5]:
print(f"'{entry['char']}': {entry['count']} ({entry['percent']:.1f}%)")Comments & Feedback
Comments are powered by Giscus. Sign in with GitHub to leave a comment.