Caracteres y separadores
El texto se normaliza a Unicode NFC y los finales CRLF pasan a LF. En navegadores compatibles, los caracteres se cuentan por grafemas: una letra y su acento combinante forman una unidad visible. Los saltos explícitos se excluyen de los totales de caracteres. Una tabulación vale un espacio. El resultado sin espacios excluye los caracteres en blanco. Bytes, puntos de código y tamaño del archivo son otras medidas.
Palabras, oraciones y párrafos
Los tokens agrupan letras, marcas y números y mantienen apóstrofos, guiones internos y separadores numéricos según la regla declarada. La puntuación aislada no cuenta como palabra. Las palabras distintas ignoran el caso y normalizan apóstrofos. Las oraciones usan el segmentador del navegador en el idioma elegido con una lista breve de abreviaturas. Listas y abreviaturas raras pueden necesitar revisión. Los párrafos son bloques no vacíos separados por una línea vacía; las líneas cuentan retornos explícitos, incluida una línea final vacía.
Expresiones y porcentajes
Se comparan secuencias de una, dos o tres palabras dentro de cada oración. El denominador incluye todas las secuencias posibles de esa longitud. El filtro de palabras comunes solo oculta expresiones formadas enteramente por ellas, sin retirarlas de la base. La búsqueda exacta compara tokens completos, no una subcadena arbitraria dentro de otra palabra.
Conversiones y duplicados
La conversión de caso utiliza el idioma seleccionado y puede expandir una correspondencia Unicode; cuenta de nuevo el resultado. Los duplicados se comparan mediante una clave que puede ignorar caso o bordes. Se conserva la primera línea original y su orden. Las formas equivalentes en NFC comparan igual, sin reescribir la línea conservada. No se identifican personas ni se interpretan registros CSV.
Archivos y estimaciones
TXT se lee como UTF-8. DOCX incluye cuerpo y tablas, y excluye encabezados, pies, notas, cuadros de texto, comentarios y revisiones eliminadas. Revisa orden y separadores de PDF; no se realiza OCR. El máximo es 10 MB por archivo, 200 páginas PDF y 500.000 unidades UTF-16 de texto extraído. Los tiempos dividen palabras entre una velocidad editable. Los valores iniciales 200 y 130 palabras/min son supuestos, no mediciones universales.
Una comprobación que puedes repetir
La muestra literal italiana «Ciao mondo!» da 11 caracteres con espacios, 10 sin espacios, 9 letras y 2 palabras. Si sustituyes el espacio por un salto de línea, quedan 10 caracteres contados y las mismas 2 palabras: el salto no entra en el total de caracteres. Usa este tipo de muestra para separar una diferencia de criterio de un problema del documento. En navegadores sin segmentación por grafemas, el recurso alternativo cuenta puntos de código y puede separar una secuencia visible.
Leer y conservar el informe
El informe TXT reúne las estadísticas y las opciones disponibles en la herramienta, sin añadir automáticamente todo el borrador. En frecuencias incorpora la expresión buscada, las coincidencias y el denominador. Conserva esos datos juntos: un porcentaje de parejas de palabras no usa necesariamente la misma base que una palabra aislada. Guardar texto descarga, en cambio, el contenido del editor. La impresión utiliza la función del navegador. Una copia descargada no se actualiza al modificar después el texto.
Comparar el mismo contenido
Antes de contrastar dos programas, fija la selección y comprueba qué elementos incluyen. Tras importar, revisa el comienzo, el final y una tabla o columna compleja. Una lectura correcta del archivo no garantiza que haya entrado todo lo que exige tu entrega. Anota programa, versión, unidad y partes excluidas. Los guiones de final de línea, signos invisibles y direcciones web pueden alterar los tokens. No elimines un signo solo para hacer coincidir dos totales: comprueba primero qué representa en el original.