ひらがな・カタカナ・漢字を別々に集計するテキスト統計ツールを作った

作ったもの

Text Count — https://sen.ltd/portfolio/text-count/

• 文字数（空白あり/なし）、単語数、文数、段落数、行数
• 読書時間（200 / 400 wpm）、朗読時間（150 wpm）
• 日本語文字分類: ひらがな / カタカナ / 漢字 / ASCII / 数字 / その他
• 単語頻度 TOP10
• ユニーク単語数、平均単語長、平均文長
• 文字頻度グラフ
• SNS 文字数チェック（Twitter 280 / SMS 160 / Instagram 150 など）

vanilla JS、ゼロ依存、ビルド不要。node --test で 73 ケース。

Unicode レンジで分類

if (code >= 0x3041 && code <= 0x309F) return 'hiragana';
if (code >= 0x30A0 && code <= 0x30FF) return 'katakana';
if (code >= 0x4E00 && code <= 0x9FFF) return 'kanji';

「200 文字（ひらがな 120・漢字 40・カタカナ 30・ASCII 10）」のように内訳が出るので、日本語の文体がわかる。

「単語」が定義しにくい日本語

英語は空白区切りで単語がわかる。日本語は区切りがない。真面目な分かち書きには MeCab / Kuromoji が必要 → クライアントサイドには重すぎ。

代案: CJK 文字 1 つ = 1 トークンとして簡易集計。正確ではないが、頻度分布の目安にはなる。

[...text].length で正しい文字数

"😀".length === 2（UTF-16 コード単位で数えるから）。[...text].length なら Unicode コードポイント単位で数える。Twitter は絵文字を 1 文字としてカウントするので、こちらが正解。

シリーズ

100+ 公開ポートフォリオ シリーズの #76 です。

• 📦 リポジトリ: https://github.com/sen-ltd/text-count
• 🌐 デモ: https://sen.ltd/portfolio/text-count/
• 🏢 会社: https://sen.ltd/