PDFの単語数の数え方
PDFをこのページにドロップします。テキストはページごとに読み取られ、最後のページを読み終えるとすぐに数値が表示されます。長い文書には進捗バーが出ます。「ページ 1 〜 N」の範囲は文書全体から始まり、最後の3分の1に参考文献(References、参考文献、引用文献、Bibliographie などで始まるページ)が見つかればそれを除きます。最初や最後のページを変えると、単語数、文字数、文の数、段落数、読了時間がすべて更新されます。グラフは各ページの単語数を示し、範囲外のページは灰色、スキャンページは黄色で表示されます。複数のPDFでは、ファイルごとの単語数と合計の表が表示され、翻訳する文書の一括見積もりに便利です。
それぞれの数値の意味
単語はブラウザーのUnicode規則に従い、ハイフンでつながった語はWordと同じく1語です。日本語はブラウザーの辞書で語に分割されます。数字は除外しない限り単語として数えます。文字数は単語間のスペースを含み、「スペースなし」はそれを除きます。文はピリオド、句点、疑問符、感嘆符で終わり、次のページに続く文は1つとして数えます。段落はページ内の空白で区切られたまとまりです。ページ数は範囲内のページで、1ページあたりの単語数はその平均です。読了時間は1分250語、発表時間は1分130語で計算します。よく使われる単語では、一般的な語(の、は、the、de など)と数字を除きます。
スキャンしたPDFはOCRで数える
スキャンしたページは画像なので、数えるテキストがありません。画像はあるのにテキストがほとんどないページを見つけ、「12〜14ページは画像です」と知らせます。黙って0と数えることはありません。「テキストを読む(OCR)」を押すと、それらのページを描画し、「画像から文字起こし」と同じエンジンTesseractでページの言語として読み取ります。読み取った単語はカウントとグラフに加わります。OCRもブラウザー内で動作し、初回に言語データをダウンロードし、1日のAI利用枠を1回分使います。手書きやぼやけたスキャンでは、読み間違いがないか確認してください。
翻訳者のための単語数
「翻訳見積もり」カードに1語あたりの単価を入力すると、数えたページ、または追加したすべてのPDFの合計金額が計算されます。ログイン中は単価が次回も保存されます。CSVにはページごとの単語数、スペースあり・なしの文字数、文の数が入っており、見積もりへの添付や依頼者の数え方の確認に使えます。
日本語や中国語では文字単価、ドイツではスペースを含む55文字の標準行単価で見積もることもあります。文字数は単語数のすぐ隣に表示されます。翻訳しない数字や繰り返しのヘッダーは除外しておきましょう。
Word、Googleドキュメント、AcrobatでPDFの単語数を数える方法
Word:ファイル › 開く でPDFを開き、変換を許可してから 校閲 › 文字カウント。Googleドキュメント:PDFをドライブにアップロードし、右クリック › アプリで開く › Googleドキュメント、続いて ツール › 文字カウント(Ctrl+Shift+C)。Adobe Acrobatには単語数を数えるコマンドがないため、PDFをWordやテキストに書き出して数えるか、全テキストをコピー(Ctrl+A、Ctrl+C)して文書作成ソフトに貼り付けます。
いずれもPDFを別の文書に変換するため、テキストがずれたり抜けたりすることがあり、長いファイルでは時間もかかります。このページはPDFをそのまま数え、ページごと・範囲ごとの数値を出し、参考文献とスキャンページを見つけ、何もアップロードしません。
ツールによって数が違う理由
「単語」の定義は1つではありません。ハイフンでつながった語(「e-mail」は1語か2語か)、数字、記号、URL、空白のない言語の扱いはツールごとに異なります。ヘッダーやページ番号、脚注、表や図の中の文字、行末で切れた単語など、読み取る範囲も違います。
このカウンターは、ハイフン、ヘッダー、フッターの扱いをWordに合わせ、数字は除外しない限り数え、日本語と中国語はブラウザーの辞書で分割します。特定の数値に合わせる必要がある場合は、制限を決めた人と同じツールを使い、ツール間で1〜3%の差があるものと考えてください。