Contador de palavras

Não existe definição universal de palavra

Peça a dez pessoas para contar as palavras de "vi um bem-te-vi na segunda-feira" e a resposta não sai uma só. "Bem-te-vi" vale uma palavra ou três? E "segunda-feira", uma ou duas? Nada fora da frase resolve isso — a língua não tem um comitê que tenha decidido a questão.

Então cada ferramenta escolhe uma regra e convive com o que vem depois. As regras se dividem em duas famílias. Uma quebra o texto nos espaços e chama de palavra cada pedaço que sobra. A outra quebra em tudo que não é letra, o que separa compostos com hífen e elisões como "d'água". Os editores de texto costumam ficar no meio do caminho, carregando exceções acumuladas ao longo de décadas.

Esta página usa a regra dos espaços, sem nada acoplado. A vantagem não é ser mais correta que a outra — nenhuma das duas é. A vantagem é ser previsível. Você olha para qualquer trecho do seu documento e já sabe como ele vai ser tratado antes de o número aparecer.

Os casos em que duas ferramentas dão dois números

As divergências se concentram em um punhado de construções, e é sempre o mesmo punhado. Abaixo, o que esta página informa em cada caso e o que informaria uma ferramenta que quebra em tudo que não é letra.

Onde a contagem de frases surpreende

Uma frase termina em ponto final, interrogação, exclamação ou reticências — mas só quando o que vem em seguida é um espaço ou o fim do texto. Aspas e parênteses de fechamento podem entrar no meio, então Ele gritou "para!" fecha uma frase em vez de deixar uma pendurada.

Essa condição isolada resolve quase tudo. O ponto de 1.240 tem um dígito depois. Os pontos de exemplo.com.br têm letras depois. Nenhum deles encerra frase, e não foi preciso lista de exceções nenhuma para chegar lá.

A regra falha na abreviação que termina em ponto e vem seguida de espaço. "A Dra. Almeida chegou às nove em ponto." é uma frase para quem lê e duas para o contador, porque "Dra." tem exatamente a cara de um fim de frase. Qualquer ferramenta sem dicionário de abreviações se comporta assim, e todo dicionário desses é incompleto. Se o seu texto é cheio de "Sr.", "Prof.", "p. ex." e "etc.", trate a contagem de frases — e a média que depende dela — como aproximada.

• Uma sequência de terminadores é um fim só. "Sério?!" e "espera..." fecham uma frase cada, não duas ou três.
• Texto sem nenhum terminador conta como uma frase. É por isso que um título ou um item solto de lista aparece como 1, e não como 0.
• Uma linha só de pontuação não conta nada, porque uma frase precisa de pelo menos uma palavra para existir.

Parágrafo é bloco entre linhas em branco, não quebra de linha

Um Enter começa uma linha nova. Dois Enters começam um parágrafo novo. Esta página segue essa convenção, e ela é de longe o motivo mais comum de a contagem de parágrafos sair menor do que se esperava.

A razão da regra é o texto colado. Copie uma página de PDF e ela quase sempre chega com quebra rígida: toda linha visual termina em uma quebra de verdade, tenha a frase acabado ali ou não. Tratar cada uma dessas como parágrafo transformaria uma página de prosa em quarenta parágrafos e deixaria a média de parágrafo sem sentido algum. A contagem de linhas aparece separada para quem precisa do outro número.

Daí saem duas consequências. Uma lista de tópicos escrita em linhas seguidas é um parágrafo, e não seis — deixe linhas em branco entre os itens se quiser que contem separadamente. E um bloco sem nenhuma letra ou dígito, como uma fileira de asteriscos marcando mudança de cena, não entra na contagem de parágrafos.

Para que servem os números de estrutura

Palavras por frase e palavras por parágrafo não são nota. Nada está sendo avaliado, e não existe meta que a página queira que você alcance. Eles estão aqui porque tornam visível um formato que é realmente difícil de enxergar de dentro do rascunho.

Prosa escrita para público amplo costuma ficar entre quinze e vinte e poucas palavras por frase. Texto acadêmico, jurídico e técnico normalmente fica acima disso, e isso é característica do gênero, não defeito a corrigir. O número merece atenção principalmente quando se mexe: uma seção com média de 34 palavras por frase dentro de um texto que gira perto de 18 costuma ser justamente a seção escrita com pressa e ainda não relida.

A média também esconde a própria distribuição. Uma página que alterna frases de quatro palavras com frases de quarenta tem média vinte e dois, e não se parece em nada com uma página de frases estáveis de vinte e duas palavras. Se a média parece razoável e o texto continua pesando, olhe para a variação, não para a média.

O equilíbrio entre parágrafos funciona igual, e é por isso que o maior e o menor aparecem ao lado da média — a distância entre os dois diz mais do que a média diz. Um parágrafo de 280 palavras no meio de parágrafos de 70 costuma guardar duas ideias que ainda não foram separadas, ou uma ideia que chegou com tudo o que você sabe sobre ela ainda grudado.

Contar em outro idioma, ou em escrita sem espaços

A regra dos espaços pressupõe espaços. Chinês, japonês, tailandês, laosiano, khmer e birmanês não separam palavras assim, e uma regra de espaços devolveria um parágrafo inteiro como uma palavra só. Quando encontra essas escritas, a página entrega o trecho à segmentação de palavras do próprio navegador, que sabe onde ficam os limites.

O resultado é uma contagem defensável, mas é preciso cuidado com o uso dela. Em chinês e japonês, a extensão é informada por convenção em caracteres, e não em palavras, então um limite em palavras para um texto em japonês quase sempre foi escrito pensando em inglês. Se o sistema de submissão pede 2.000 palavras e o seu texto está em japonês, essa pergunta é para quem definiu o limite, não para o contador.

Entre dois idiomas com espaço a conta muda, mas o cuidado é o mesmo. O mesmo argumento escrito em português e em inglês não sai do mesmo tamanho; o português normalmente precisa de mais palavras para dizer a coisa. Um rascunho que cabe em um teto de 2.000 palavras em um idioma pode precisar de corte no outro, e traduzir não é um jeito de fazer a contagem cair.