关键词密度检测

使用方法

1. 把中文正文粘进「正文」框（示例已服务端直出，202 个汉字）。关键词密度检测的读数完全取决于这一步怎么切。上限 200000 汉字，超出会被拒绝并提示实际字数。
2. 在「目标关键词」填要盯的词（默认 密度，1～20 字符）。留空就只出词频榜，不算目标词密度。
3. 调「词长下限 / 上限」（默认 2～4 字）。下限设 1 会把「的、了、是」这类单字虚词算进来，密度立刻虚高——本页把「的」单独列在正文里说明这件事。
4. 点「检测密度」。上方六张卡是三种口径的分母与分子，下方是词频榜。按 Ctrl/Cmd + Enter 也能触发，Enter 留给换行。
5. 榜里带蓝底的三行是当前目标词所在的行；点「导出词频表 CSV」可拿到带 BOM 的表格，Excel 打开不乱码。

这个关键词密度检测能解决什么问题

一是解释「为什么两个工具报的数字不一样」。同一段中文，A 工具说 4.41%、B 工具说 1.49%，两边都没算错——差别全在「总词数」怎么定义。本页把子串 ÷ 标点分段、子串 ÷ 汉字数、分词 ÷ 全部词、分词 ÷ 多字词、二元 ÷ bigram 五种分母一次列全，你在别处看到任何一个数，都能在这里找到它对应的口径。

二是揪出「看起来正常、其实超标」的词。示例正文里「关键」「口径」「密度」各出现 3 次，在分词口径下都是 4.76%，已经越过 3.5% 的经验上限；而同样三个词按字符密度算只有 1.49%，看起来毫无问题。两种读法指向完全不同的改稿动作。

三是看清「短文本的密度天生不稳」这件事。本文分母只有 63 个词，3.5% 对应的是「出现 2 次就超标」；而同样阈值放到 202 个汉字的分母上，允许出现 7 次。同一个 3.5%，在 200 字短文和 3000 字长文里完全不是一个尺度。

本页的关键词密度检测不做这些事：不判断你的密度「好不好」——它没有 Google's 排名数据，只有口径对照；不替代逐字统计，正文字数请用字数统计工具；也不算字符数（含标点空格），那是字符数统计工具的口径。本页只回答一件事：这个密度数字是怎么来的。

原理：中文没有空格，所以「总词数」有五种答案

口径①：子串计数 ÷ 标点分段。把文本按标点切成若干「段」，数目标词在原文里出现了几次（用 String.prototype.indexOf 做不重叠匹配，每次前进 needle 长度，避免「好好」在「好好好」里被数成 2 次）。分母是段数。这是最粗糙但最常见的做法：示例里 3 次 ÷ 30 段 = 10.00%，一篇文章里但凡出现两三个词就「超标」。

口径②：子串计数 ÷ 汉字数。分母换成 [\u4e00-\u9fff] 的匹配数。示例 3 ÷ 202 = 1.49%。这个口径把「词」等同于「字」，只有在中英文混排且英文占比极低时才勉强成立。

口径③与④：Intl.Segmenter 词典分词。这是 ECMA-402 定义的国际化分词接口，本页调用 new Intl.Segmenter('zh-Hans', { granularity: 'word' })，然后遍历 segment() 返回的片段，只保留 isWordLike === true 的片段——这一步会滤掉标点和空格，但保留数字与字母串（所以示例里的「3.5」也进了词表）。示例实测：174 个片段中 143 个 isWordLike，其中单字 75 个、多字 68 个，压缩比 143 ÷ 202 = 0.708。分母取全部词得 2.10%，只取多字词得 4.41%。

口径⑤：二元切分（bigram）。把纯汉字串的相邻两字配成词：密度 合成「密度」，「关键」合成「关键」。词数恒等于汉字数减一，没有分词歧义，也不需要词典——这是它在 Intl.Segmenter 不可用时作为回退方案的唯一理由。示例 3 ÷ 201 = 1.49%。

五种口径的极差是 8.51 个百分点，最高（10.00%）是最低（1.49%）的 6.7 倍。分子完全相同（都是 3 次），全部差异来自分母。这就是本页存在的理由：报密度不报口径，等于没报。

为什么分词口径会漏计，这是本页最实测的结论。逐个喂给 Intl.Segmenter：分词、自然、承接、堆砌、密度 都整词命中；而 关键词 被切成 ["关键","词"]、优化 被切成 ["优","化"]、搜索引擎 被切成 ["搜索","引擎"]、密度检测 被切成 ["密度","检测"]。V8 内置的 ICU 中文断词词典收录的是统计模型能独立成词的部分，对「关键 + 词」这种高频组合反而拆得更细。后果是：如果你把目标词设成「关键词」，分词口径会报 0%，而子串口径报 3 次——这不是 bug，是两套词典的差异，所以本页永远把子串口径排在第一位。

停用词表为什么必须内置而不是照搬。本页内置 83 条（中文 59 + 英文 24）。Google 从未公布中文停用词表，各家工具的列表都是自拟的，这就是「同文不同数」的第二个来源。示例里过滤掉的 4 个词是「不是 / 没有 / 所以 / 怎么」——它们在多字词分母里出现两次（「不是」两次、「没有」「所以」「怎么」各一次，按实测是剔除 5 个：分母 68 → 63）。过滤停用词不改变分子、只缩小分母，所以密度会升高：示例的口径④从 4.41% 升到 4.76%。很多工具不告诉用户自己做了这一步，于是同样的文本得出两个都「有道理」的结果。

单字词为什么不计。示例里单字「的」出现 2 次，占全部词 1.40%、占汉字 0.99%。单字虚词在中文里承担语法功能而非主题，SEO 密度统计惯例一律排除——所以本页默认词长下限是 2。把下限调到 1，「密度」的分母会从 68 涨到 143，密度随之腰斩，这就是「下限设 1 就不超标」的机制。

遵循的标准。分词接口由 ECMA-402（Internationalization API）定义，granularity: 'word' 的切分遵循 ICU 的 UAX #29 词边界规则加上中文词典；语言标签用 BCP 47 形式 zh-Hans。isWordLike 是 ECMA-402 里 SegmentData 的标准字段，判据是「该片段是否由字母、数字或汉字构成」。经验阈值 0.8% / 1% / 3.5% 不是任何标准的一部分，是内容营销实践里的经验值，本页把它标为「经验区间」而非「合格线」。

完整示例（数值仅作演示）

示例条件与页面默认值完全一致：正文 202 汉字、目标词「密度」、词长 2～4 字。逐项核对：

• 目标词子串命中 3 次（不重叠匹配；允许重叠也是 3 次，因为「密度」没有自重叠结构）；
• 标点分段 30 段、汉字 202 个 → 口径① 10.00%、口径② 1.49%；
• Intl.Segmenter 切出 174 个片段、isWordLike 143 个（单字 75 / 多字 68）→ 口径③ 2.10%、口径④ 4.41%；
• 二元切分 202 汉字 → 201 个 bigram → 口径⑤ 1.49%；
• 停用词过滤后多字词分母 68 → 63，「密度」3 次不变 → 4.76%，与词频榜第 3 行完全一致；
• 极差 8.51 个百分点，最高 / 最低 = 6.7 倍。

这六个数字都能在正文里互相印证：口径④的 4.41% 对应分母 68（未过滤），词频榜的 4.76% 对应分母 63（已过滤），两者之差纯粹来自停用词表。下面「分母 → 同一词密度」对照表把 63 这个分母换算成 1～5 次出现时各自的密度，能直接看出 3.5% 在这份正文里只有 2 次余量。

输入范围与对照表

• 正文：最多 200000 汉字。上限不是随手定的：Intl.Segmenter 对 20 万字的分词在桌面浏览器上是秒级，而再往上会明显卡顿；超过上限页面直接拒绝并报实际字数，不会截断后静默计算。
• 目标关键词：1～20 字符，超出会被拒绝。它同时喂给子串匹配和分词比对两条路径，所以「含标点的短语」（如「密度。」）只有子串口径能命中——这是子串口径唯一不可替代的场景。
• 词长下限 1～4、上限 1～6，且下限必须小于上限。留空或相等都会被拒绝并说明原因。

下面这张表回答「同一个词，换个分母会变成多少」——这是本页最容易被忽略、也最容易造成误判的一层：

最后一列读法：按本页默认口径，3.5% 的上限对应 2 次——出现 2 次就到 3.17%、3 次就到 4.76%。而按口径①，同样 3 次是 10.71%，早就越界。这就是「同一篇文章，有人说刚好、有人说爆表」的完整解释。

边界与口径精度说明

• 分母为 0 时必须报错，不能输出 Na%。三种情况实测都会归零：正文为空、只有标点（如「，。！？」）、或全是被过滤掉的字符。页面会明确提示「没有可统计的词」并告诉你原因，而不是给一个 NaN% 或 0.00%。
• 「未找到」和「密度 0%」是两件事。目标词长度超过正文汉字数、或正文里确实没有这个词时，子串命中 0 次——这在数学上就是密度 0%，但用户真正想知道的是「我没写这个词」。页面在这种情况下额外给出一句「目标词未出现」，两种信息分开表达。
• 英文大小写要自己归一。Intl.Segmenter 的英文分词不合并大小写，Keyword 与 keyword 是两个不同的词。中文没有这个问题，但一段中英混排的文本里，本页的子串路径是大小写敏感的、分词路径也是——所以目标词含英文时请自行统一大小写后再比。实测英文对照：keyword 在 17 词文本里出现 3 次，全词口径 17.65%、去停用词口径 25.00%。
• 中英文的压缩比天差地别，这是中文密度不可跨工具比较的根源。英文按空格分词，压缩比恒为 1.000；同一段中文按 V8 的 zh 断词，压缩比是 0.708。分母直接依赖分词器实现，而 Intl.Segmenter 的行为随浏览器内置的 ICU 版本变化——同一段文字在 Chrome 与旧版 Firefox 上可能得到不同的词数。
• 超长文本不会撑爆表格。200000 汉字的 bigram 数是 199999 个，但它们进的是 Map 而不是 DOM：全部重复的文本（如 20 万个「密」）只会产生 1 个唯一 bigram。表格永远只渲染前 12 行加「加载更多」，不会一次性插入十万个节点。
• 词频计数不涉及大整数精度。词频最大等于分母，本页最大分母是 200000 量级，离 JavaScript 安全整数上限 2⁵³ − 1 = 9007199254740991 极远，不存在计数溢出。
• 不重叠匹配是刻意选择。目标词「好好」在「好好好」里，不重叠计数得 1 次，重叠计数得 2 次。本页取不重叠，因为重叠计数会把「词中词」重复计入、虚高分子；如果你需要另一种口径，在目标词里手动改写即可。

常见问题

相关工具

• 词频统计工具：按分词结果输出完整词频排序，本页的词频榜就是它的一个子集（多了词长与停用词过滤）。
• 统计字符出现次数：不切词，直接数字符，适合查单个汉字或标点的出现次数。
• 字数统计工具：按中文习惯统计正文有效字数，是口径② 的分母来源。
• 字符数统计工具：统计含标点空格的字符数，与本页的「汉字数」是两个不同口径。
• 句子统计：按句号问号切句统计，帮你判断文本是否太短导致密度不稳。
• 段落统计：段落数是口径① 的分母来源，与本页的分段口径一致。
• 文本清洗工具：统计前先清掉多余空白与不可见字符，能避免分母被无意义的空格撑大。
• 文本工具：查看全部文本工具。