Wörter zu zählen klingt nach dem Einfachsten, was ein Computer tun könnte, und ist es nicht. Wo ein Wort endet, ist eine Frage der Sprache, nicht der Leerzeichen — und jeder Zähler, der einem anderen widerspricht, streitet genau darüber. Hier steht, was dieser zählt und wo er ehrlich zugibt aufzugeben.
An Leerzeichen zu trennen ist für den Großteil der Welt falsch
Die naheliegende Umsetzung — den Text dort schneiden, wo Whitespace ist — funktioniert für Deutsch, Englisch, Italienisch und jede andere Sprache, die Lücken zwischen Wörter setzt. Für jene, die das nicht tun, scheitert sie vollständig. Chinesisch, Japanisch und Thai werden ohne Leerzeichen geschrieben, der naive Ansatz meldet also einen ganzen Absatz als ein Wort.
Dieses Tool nutzt Intl.Segmenter, die eingebaute Textsegmentierung des Browsers, die die Regeln jeder Sprache kennt, statt nach Lücken zu suchen. 我喜欢吃苹果和香蕉 zählt als 6 Wörter statt 1, und 私は日本語を話します als 7. Für Deutsch ist das Ergebnis identisch mit dem naiven, für die meisten Besucher ändert sich also nichts — es hört nur auf, für alle anderen falsch zu sein.
Segmentierung ist wirklich schwer, und auch ein guter Segmentierer trifft Urteile. Ob "New York" ein Wort ist oder zwei, ob ein Bindestrich-Kompositum einmal oder zweimal zählt, ob ein Apostroph ein Token trennt — dafür gibt es keine allgemeingültige Antwort, und das ist der wahre Grund, warum zwei Zähler sich uneins sind.
Ein Zeichen ist nicht das, wofür JavaScript es hält
JavaScript-Strings sind Folgen von UTF-16-Codeeinheiten, und eine Codeeinheit ist kein Zeichen. Frag JavaScript nach der Länge eines Daumen-hoch-Emojis, und es sagt 2. Frag nach einem Familien-Emoji — der Art, die aus mehreren zusammengefügten Personen besteht — und es sagt 8. Keine der Zahlen ist das, was ein Mensch eine Zeichenzahl nennen würde.
Dieses Tool zählt stattdessen Graphem-Cluster: die Einheiten, auf die ein Leser zeigen und "ein Zeichen" sagen würde. Das Familien-Emoji ist eins. Ein Buchstabe mit Umlaut ist eins, ob als einzelner Codepunkt getippt oder aus Buchstabe plus kombinierendem Zeichen zusammengesetzt. Vergleichst du diese Zahl mit einem Limit eines anderen Systems, sei dir bewusst: Das andere System zählt sehr wahrscheinlich noch Codeeinheiten und wird dir widersprechen, sobald ein Emoji auftaucht.
Die Satzzählung ist eine Heuristik und liegt manchmal falsch
Das ist der Teil, bei dem man offen sein sollte. Das Tool zählt Sätze, indem es nach Punkten, Frage- und Ausrufezeichen sucht. Das ist eine Heuristik, und Heuristiken scheitern auf vorhersehbare Weise.
"Dr. Schmidt kam an." zählt als zwei Sätze, weil die Abkürzung einen Punkt trägt. "Pi ist etwa 3.14 genau." zählt aus demselben Grund als zwei. Auslassungspunkte verhalten sich korrekt — "Warte... wirklich?" ergibt zwei, weil Interpunktionsfolgen zu einem Treffer verschmelzen — aber das ist Glück, nicht Absicht.
Es besser zu machen bedeutet, Abkürzungen, Dezimalzahlen, Initialen, URLs und Zitate zu erkennen, ein sprachspezifisches Problem ohne kleine Lösung. Die Zahl hier ist eine nützliche Näherung für Prosa, und bei allem Technischen solltest du ihr nicht trauen. Die Einschränkung zu kennen ist nützlicher als eine Zahl, die so tut, als hätte sie keine.
Die Lesezeit ist ein Durchschnitt, und du bist nicht der Durchschnitt
Der Wert entsteht durch Teilen der Wortzahl durch 200, eine weit verbreitete Konvention für die Lesegeschwindigkeit Erwachsener. Tatsächliche stille Lesegeschwindigkeiten liegen für Erwachsene bei Prosa etwa zwischen 200 und 300 Wörtern pro Minute, und die Streuung zwischen Personen ist weit größer.
Die Zahl setzt außerdem voraus, dass der Text Prosa ist. Technische Dokumentation, Code, dichtes Nachschlagematerial und alles, was man mehrfach liest, sind deutlich langsamer. Nimm sie als grobes Signal — "das ist eine Fünf-Minuten-Lektüre, keine von dreißig Sekunden" — und nicht als Messung. Sie ist auf Blogs Standard geworden, weil sie Erwartungen setzt, nicht weil sie genau wäre.
Häufige Fragen
Wird mein Text an einen Server geschickt?
Nein. Dieses Tool ist als "client" gekennzeichnet: Alles wird beim Tippen in deinem Browser-Tab gezählt. Es wird nichts übertragen und nichts gespeichert — was hier zählt, denn in Wortzähler werden Entwürfe, Aufsätze und Manuskripte eingefügt, die man einem Fremden lieber nicht übergibt.
Warum weicht meine Wortzahl von Microsoft Word ab?
Weil du zwei Programmen dieselbe mehrdeutige Frage gestellt hast. Word hat eigene Regeln zu Bindestrichen, Zahlen, URLs und dazu, was überhaupt als Wort gilt, und diese Regeln sind nicht die des Browsers. Keiner liegt falsch. Hast du ein hartes Limit zu treffen, zähle mit dem Werkzeug, das die Person benutzt, die das Limit setzt — nur diese Zahl zählt.
Enthält die Zeichenzahl Leerzeichen?
Beides wird angezeigt. Die Unterscheidung wiegt schwerer, als sie aussieht: Verlage und Setzer meinen meist "mit Leerzeichen", während Zeichenlimits in Formularen und Datenbanken meist jedes Zeichen inklusive meinen. Nennt jemand ein Limit, ohne zu sagen welches, meint er fast immer mit Leerzeichen.
Warum zählt ein Emoji hier als ein Zeichen und anderswo als zwei?
Weil die meisten Systeme UTF-16-Codeeinheiten zählen und die meisten Emoji zwei davon belegen. Dieses Tool zählt, was du sehen würdest. Der Widerspruch ist real und zählt bei allem mit hartem Limit — eine als 100 Zeichen definierte Datenbankspalte kann Text ablehnen, den dieses Tool mit 95 angibt, weil sie anders zählt. Wird irgendwo ein Limit durchgesetzt, finde heraus, was dieses Irgendwo zählt.
Kann ich der Satzzählung für wissenschaftliche Arbeit trauen?
Nicht ungeprüft. Jeder Text mit Abkürzungen, Initialen, Dezimalzahlen oder Zitaten wird überzählt, und wissenschaftliches Schreiben ist voll von allen vieren. Für ein grobes Gefühl der Satzlänge in einem Entwurf reicht es. Für etwas, das du als Zahl berichtest, zähl selbst.