Contador de palabras y caracteres

La fuente moderna más citada es Brysbaert (2019), un meta-análisis en Journal of Memory and Language vol. 109 (artículo 104047) que agrupó 190 estudios y 18.573 participantes. La velocidad media de lectura silenciosa de adultos para no-ficción en inglés es 238 ppm; para ficción, 260 ppm; con 175–300 ppm típico para no-ficción y 200–320 ppm para ficción. El ritmo de 200 ppm que usa este contador está en la banda baja de ese rango — apropiado para contenido técnico, académico o desconocido donde los lectores aminoran, y útil como estimación defendible de un solo número cuando el material real se desconoce. Los niños, los adultos mayores y los lectores con segundo idioma caen por debajo de la media; los expertos del tema pueden superar 300 ppm sobre texto familiar.

El contador de palabras divide por \s+ (cualquier secuencia de espacios Unicode), comportamiento correcto para sistemas de escritura latina donde las palabras se separan por espacios. El chino, el japonés, el coreano y el tailandés no separan palabras con espacios; CJK usa ideogramas contiguos y el tailandés encadena sílabas. La segmentación real de palabras para estas escrituras requiere diccionarios algorítmicos (la segmentación de límites de palabra de UAX #29 maneja algunos casos, pero el chino y el japonés específicamente necesitan MeCab, Jieba u otros segmentadores específicos del locale). Para contenido CJK, el conteo de caracteres es la métrica que editores y traductores realmente facturan; el conteo de palabras queda como informativo para escrituras no separadas por espacios.

Los párrafos se dividen en líneas en blanco usando la regex \n\s*\n, que coincide con la especificación CommonMark — la gramática canónica de Markdown (versión actual 0.31.2, enero 2024). CommonMark §4.8 define un párrafo como una o más líneas consecutivas de texto separadas de los bloques vecinos por líneas en blanco; una 'línea en blanco' es una línea sin caracteres, o solo con espacios (U+0020) o tabuladores (U+0009). Esta convención es la que editores Markdown, plataformas de blog y generadores de sitios estáticos tratan como ruptura de párrafo, así que el conteo coincide con lo que el escritor ve renderizado.

No los maneja, deliberadamente. El contador detecta secuencias de punto, signo de exclamación o signo de interrogación — suficientemente cerca para prosa sin desplegar un segmentador completo de lenguaje natural (las reglas de límite de oraciones de UAX #29 más listas de abreviaturas específicas del locale). Los textos con abreviaturas ('Dr.', 'Sr.', 'Inc.') sobrecontarán; los textos con puntos suspensivos ('…espera, ¿qué?') pueden fusionar oraciones. La intención es una aproximación útil para flujos de conteo de palabras, no un contador de grado de investigación. Si el conteo exacto de oraciones importa, la API Intl.Segmenter (granularity: 'sentence') proporciona segmentación UAX #29 con sensibilidad al locale; este contador eligió simplicidad.

Las seis métricas están en una región marcada con aria-live="polite", el patrón del Criterio de Éxito 4.1.3 de WCAG (Mensajes de Estado, introducido en WCAG 2.1 — recomendación del W3C del 5 de junio de 2018 — y trasladado sin cambios a WCAG 2.2, recomendación del 5 de octubre de 2023) para actualizaciones de estado que deberían anunciarse sin mover el foco del teclado. Las regiones live polite encolan anuncios tras cualquier habla en progreso, lo que evita interrumpir al usuario a mitad de frase en cada pulsación — apropiado para un contador incremental, no para un error o aviso. Los lectores de pantalla (NVDA, JAWS, VoiceOver) consumen la región live automáticamente; los usuarios reciben feedback del conteo de palabras mientras escriben sin perder el foco del teclado.