SEO标题字数取舍
运营小王在写一篇3000字的行业深度稿，标题栏只能放30个汉字。他需要判断「2025年AI芯片格局」和「国产AI芯片突围战」哪个词频策略更优。用本工具的TF-IDF功能对比两个标题，发现「AI」在全文出现47次但IDF值低，而「突围」虽只出现6次但IDF权重高，最终选后者让点击率提升22%。
待分析文本 paste text or HTML
可视化Top-N 频率柱状图 · 关键词云
Top-12 频率柱状图 frequency bars
关键词云 字号 ∝ 频率
词频密度表frequency · density · ranking
| # | 关键词 | 次数▼ | 密度% | 占比 | TF-IDF |
|---|
输入文本后将在此显示词频、密度与 TF-IDF。
密度 = 该词出现次数 ÷ 总词元数 ×100%；TF-IDF 以文内句子为文档集计算（无外部语料，为文内相对权重，越高代表越具区分度）。SEO 经验：核心词密度 2–5% 较自然，超 8% 易判堆砌。
就绪 · 粘贴文本即时分析
第一节
关于本工具
About写文章时，一个词出现几次才算「堆砌」？关键词密度工具不回答这个主观问题，它只做一件事：把一段文本拆成词，算出每个词出现的次数、占总词数的百分比，以及 TF-IDF 值——后者能过滤掉「的」「了」这类高频但无意义的词。所有计算在浏览器本地完成，文本不会被上传。适合写页面标题前快速检查核心词占比、或对比两版文案的用词集中度。
使用场景
竞品详情页反推
电商运营老李发现竞品A的详情页「抗菌」出现12次、「除螨」出现9次，怀疑对方在堆砌关键词。他把自己产品页的文案导入工具，计算词频分布，发现「抗菌」密度仅1.3%而竞品达4.7%，接近搜索引擎的堆砌阈值。据此调整自家文案，将核心词密度控制在2-3%的安全区间，避免了被降权风险。
论文摘要精炼检查
研究生小陈写完5000字论文初稿，导师要求摘要突出「深度学习在医学影像分割中的应用」这个主题。他用工具扫描摘要，发现「分割」出现5次、「影像」出现3次，而「深度」只出现1次。按TF-IDF权重排序后，把摘要中「基于卷积神经网络的方法」改为「基于深度学习的影像分割方法」，使核心术语密度从0.8%提升至2.1%，更符合学术检索习惯。
广告文案合规自检
法务专员小赵审核一篇保健品推文，发现「疗效」出现8次、「治愈」出现3次，但法规禁止医疗用语。用本工具统计全文词频，把「疗效」替换为「调理效果」、「治愈」替换为「改善」，同时用TF-IDF验证替换后「调理」的权重是否足够覆盖原意。最终文案通过审核，且点击率未下降。
第二节
使用指南
Getting Started使用步骤
- 1在文本框中粘贴或输入待分析内容（支持中英文混排，上限 10 万字符），下方实时显示总词数和唯一词数
- 2点击「词频」标签，结果按出现次数降序排列，每行显示词语、频次和占比百分比
- 3切换至「密度」标签，查看每个词语在全文中的密度百分比（词语出现次数 ÷ 总词数 × 100%）
- 4点击「TF-IDF」标签，对比当前文本与语料库的权重差异，高亮显示关键词（TF-IDF 值 > 0.1 标红）
- 5点任意结果行右侧的复制图标，将该词语及其密度值复制到剪贴板，用于后续 SEO 或内容优化
常见错误对照
1.把「词频」和「密度」混为一谈
✗ 错误
「这个词出现了 5 次，密度就是 5」✓ 修复
「词频 5 次，总词数 100，密度 = 5 / 100 × 100% = 5%」词频是原始出现次数，密度是相对比例。工具输出两个字段，把频次当密度会忽略文本长度对权重的影响。
2.分词粒度不一致导致 TF-IDF 失真
✗ 错误
「关键词'数据分析'，但工具按单字分词，把'数''据''分''析'当四个词算」✓ 修复
「先确认工具分词模式：若支持短语匹配，输入'数据分析'；若仅单字，应改为'数据 分析'并手动合并结果」TF-IDF 依赖分词粒度。单字分词会把复合词拆散，导致 IDF 分母虚高、TF 值偏低，最终权重偏离实际。
3.忽略停用词过滤对词频的影响
✗ 错误
「'的'出现了 80 次，词频最高，所以关键词就是'的'」✓ 修复
「先启用停用词过滤，把'的''了''在'等高频无意义词剔除，再分析剩余实词」中文停用词（如'的''是'）占文本 30% 以上，不过滤会掩盖真正关键词。工具默认可能未开启过滤，需手动勾选。
4.用全角符号污染分词结果
✗ 错误
「输入：'关键词，密度；测试。'（逗号、分号、句号全角）」✓ 修复
「输入：'关键词,密度;测试.'（全部半角标点）」全角标点（，；。）在中文分词器中常被当作普通字符而非分隔符，导致粘连分词、词频统计偏大。
5.把 TF-IDF 当绝对重要性指标
✗ 错误
「TF-IDF 值 0.8 的词一定比 0.6 的词更重要」✓ 修复
「TF-IDF 值仅在同一文档集合内相对排序有效，不同集合的值不可跨文本比较」TF-IDF 是相对权重，依赖文档总数和词频分布。短文本的 TF 值天然偏高，长文本的 IDF 值更稳定，跨文本比较无意义。
6.输入包含 HTML 标签未预处理
✗ 错误
「直接粘贴网页源码：<p>关键词密度</p>」✓ 修复
「先提取纯文本：'关键词密度'」HTML 标签中的文本（如 <p>、<a>）会被当作正文内容统计，导致词频包含标签名（如 'p' 'a'），密度失真。
7.对同一文本重复计算密度
✗ 错误
「同一篇文章复制粘贴 10 次，密度从 2% 变成 20%」✓ 修复
「只粘贴一次原始文本」密度 = 词频 / 总词数。重复粘贴使总词数和词频同比例增加，密度不变，但用户误以为密度升高，混淆了频次和比例。
第三节
工作原理
How It Works核心公式
TF-IDF(t,d) = TF(t,d) × IDF(t)
变量说明
TF(t,d)词 t 在文档 d 中的词频（出现次数/总词数）IDF(t)逆文档频率，log(总文档数/含 t 的文档数+1)
示例
文档 d 共 200 词，词“优化”出现 8 次，则 TF=8/200=0.04。语料库总文档 1000 篇，含“优化”的文档 50 篇，则 IDF=log(1000/(50+1))≈log(19.61)≈1.292。TF-IDF=0.04×1.292≈0.0517。
用户输入
本地处理
计算环节
输出结果
第五节
常见问题
Q & A问这个工具能分析中文关键词吗？会不会把单字拆开算？＋
答
可以，中文、英文、中英混排都支持。分词按空格和标点自然切分，中文不会拆单字，而是按词间空格、换行或标点来识别。如果文本里中文词之间没加空格，工具会把整句当一个词处理，密度就会偏大。建议中文文本先用空格或换行把每个词分开，或者直接粘贴已分好词的文本，结果才准。
问我贴了 5000 字的文章，结果只显示前 1000 字的词频，后面的没算？＋
答
本工具是纯浏览器端处理，没有字数限制，但浏览器对超长文本的渲染和计算可能有卡顿。如果只显示部分结果，一般是浏览器内存或渲染限制。建议分段粘贴，每段 2000 字左右，或者把文本拆成多份分别分析。另外，工具不会截断，所有文本都会算，只是结果展示区可能滚动加载。
问词频、密度、TF-IDF 这三个结果到底看哪个？＋
答
词频是每个词出现的绝对次数，适合快速看高频词。密度是词频占总词数的百分比，适合对比不同长度文本里的词重要性。TF-IDF 综合了词在文本中的频率和在整个语料库中的稀有度，适合从一堆文档里找出每篇的关键词。如果只分析一篇文章，密度比词频更有参考价值；如果分析多篇文章做对比，TF-IDF 更能挑出独特词。
问为什么同一个词在别家工具算出来的密度不一样？＋
答
密度算法有差异：分母是总词数还是总字符数，分词规则不同（比如英文缩写 'I'm' 算一个词还是两个词），标点是否计入分母。本工具分母为总词数（按空格和标点切分后的词个数），标点不计入词数。如果别家把标点当词算，密度就会偏低。建议始终用同一工具做对比，跨工具比密度意义不大。
问TF-IDF 结果里有的词分数很高，但我感觉它根本不重要，怎么回事？＋
答
TF-IDF 依赖你提供的语料库。如果只分析一篇文章，工具默认使用文章自身作为语料库，这时 IDF（逆文档频率）只能反映词在文章内部的稀有度。比如文章里只出现一次的生僻词，IDF 会很高，但实际可能不重要。要得到更合理的 TF-IDF，最好上传多篇文档作为语料库，本工具目前只支持单文本分析，单文本的 TF-IDF 仅供参考，建议结合词频和密度综合判断。
问我把文章贴进去，点分析没反应，浏览器也没报错，怎么回事？＋
答
常见原因：1）文本太长导致浏览器卡死，等 10-15 秒没反应可以刷新重试，分短文本粘贴。2）粘贴的内容包含特殊字符或不可见控制符（如从 PDF 复制），工具分词时卡住。可以先把文本粘贴到记事本再复制过来。3）浏览器版本太低不支持 ES6 语法，需要 Chrome 80+ 或 Edge 80+。4）如果用了广告拦截插件，可能误拦截了页面脚本，关闭插件再试。
问这个工具和 SEO 站长工具里的关键词密度工具有什么区别？＋
答
大部分 SEO 工具侧重爬取网页 URL 分析，需要联网且通常有每日查询次数限制。本工具纯浏览器端处理，不上传文本，适合分析自己本地的文章、文档或竞品文案的纯文本内容。另外，本工具额外提供了 TF-IDF 分值，而多数 SEO 密度工具只有词频和密度。缺点是只能处理纯文本，不能直接输入 URL 或 HTML。
问我的文章里有很多重复的停用词（的、了、是），算密度时能不能过滤掉？＋
答
目前工具不会自动过滤停用词，所有词都会计入词频和密度。如果需要排除停用词，建议在粘贴前手动把文本中的停用词替换掉（比如把 '的' 替换成空格），或者用其他工具预处理。后续版本可能会加入停用词过滤开关。如果不处理，密度会被停用词拉低，真正关键词的密度会偏小。
隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。