ForHosting KIT · PDF・文書ツール

PDFの単語数・文字数をカウント | pdf.count_words

11語と8語の2ページなら、合計19語、93文字、空白を除くと75文字で、1ページあたり平均9.5語です。各ページのテキストを順に貼り付ければ、論文や提出書類の分量制限を確認できます。ブラウザで無料で使えます。

  • 無料
  • ブラウザで動作
  • 登録不要
  • データは端末の外に出ません
ご利用方法 ウェブAPIメールTelegramアプリ 近日

PDFの単語数を数える作業は、ページ数や文字数の制限に直面する学生、編集者、翻訳者、コンプライアンス担当者にとって日常的なチェックポイントです。このツールはPDFからページごとに抽出されたテキスト(ページ順に並んだ文字列の配列)を受け取り、確定的な合計値を返します。総単語数、スペースあり・なしの総文字数、ページ数、ページあたりの平均単語数、そしてページごとの内訳により、薄いページや過密なページを一目で見つけられます。入力はすでに抽出済みのテキストであるため、バイナリ解析は不要で、アップロードサイズの制約や特定のPDFライブラリへの依存もありません。ページごとにテキストを出力できる抽出ツールなら何でも利用できます。

単語数・文字数・ページ数の計算方法

単語のカウントでは、各ページのテキストをUnicodeの空白文字で分割し、空でないトークンをすべて数えます。これはエディタのステータスバーや主要なオンラインカウンタの動作と一致しており、state-of-the-artのようなハイフンで結ばれたトークンは1語として数えられ、連続するスペース、タブ、改行は1つの区切りにまとめられます。

文字数は抽出されたままのページテキストの完全な文字列長で、スペースや改行を含みます。もう1つの合計はすべての空白を取り除いたもので、レイアウト上の余白が数値を膨らませる場合に純粋なコンテンツ量を比較できます。ページ数は入力配列の要素数そのものです。

各要素が1つのPDFページを順番どおりに表すため、ページ単位の精度は上流で使用した抽出ツールに依存します。ページあたりの平均単語数は総単語数をページ数で割り、小数点以下2桁に丸めます。これにより、長さの異なる原稿、レポート、論文を1つの公平な指標で比較できます。

空白または空白文字のみのページは単語数ゼロとして扱われますが、ページ数にはカウントされます。これは意図的な空白ページを含むドキュメントを読者がめくるときの見え方と同じです。文字列でないページは要素ごとに拒否され、該当ページ番号を明示したメッセージが返ります。

ページごとのPDF単語数が実務で活躍する場面

学生や研究者は、最終PDFからテキストを書き出した後、全体の合計とページあたりの平均密度の両方が学部の規定に合っているかを確認して、論文や学位論文の長さの要件を検証します。レイアウト済みの校正紙をレビューする編集者や制作チームは、ページごとの内訳を使って、ほぼ空のページ、過密な見開き、書籍全体の平均から大きく外れた章を印刷に回す前に見つけます。

翻訳者やローカライズベンダーは、クライアントが編集可能な原本ではなくソースドキュメントの書き出しテキストしか提供できない場合に、単語総数から作業量とコストを見積もります。法務・コンプライアンスチームは、提出書類が裁判所や規制当局の単語数上限を下回っていることを確認します。上限超過は提出の却下と期限遅反を意味する場合があります。

ドキュメントパイプラインを構築するデータエンジニアは、ページごとの単語数と文字数を品質指標として保存し、抽出結果が空だったページ(テキスト抽出ではなくOCRが必要なスキャン画像ページの確実な兆候)にフラグを立てます。レポートの2つの版を比較するアーキビストは、ページごとの数値を差分比較して、静かに欠落または重複したページを検出します。

この機能は抽出済みテキストを消費するため、あらゆる上流の抽出ツールとクリーンに組み合わせられ、バイナリPDFを再解析することはありません。バイナリの解析が必要な場合は、pdf.statsのような別の機能をご利用ください。

論文・提出書類の長さチェック

PDFのテキストをページごとに書き出し、提出前に総単語数とページあたりの平均が大学や裁判所の単語数制限を満たしているか確認します。

印刷校正の密度レビュー

ページごとの内訳を調べ、ほぼ空のページや過密なページ、ドキュメントの平均密度から外れた章を見つけます。

抽出品質のモニタリング

ドキュメントパイプラインで単語数ゼロのページにフラグを立て、OCRが必要なスキャン画像の可能性を品質シグナルとして検出します。

単語はどのように数えられますか?

単語はUnicodeの空白文字で区切られた空でないトークンです。複数のスペース、タブ、改行は1つの区切りにまとめられ、ハイフンで結ばれたトークンは1語として数えられます。

空白ページはカウントされますか?

はい。 空白または空白文字のみのページは単語数ゼロとして扱われますが、ページ総数にはカウントされます。これはドキュメントを読む人の見え方と一致しています。

入力が空の場合はどうなりますか?

pagesの欠落、空の配列、結合テキストに単語が含まれないページはクライアントエラーとして扱われ、課金されません。

料金はいくらですか?

ブラウザツールは無料でローカルに実行されます。無効な入力には課金されません。

文字数の合計が2種類あるのはなぜですか?

1つは空白や改行を含め、取り出したままの文字数です。もう1つはすべての空白を除いた文字数で、レイアウト上の余白で数字が膨らむときに中身の量を比べるのに使えます。

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

POSThttps://api.kit.forhosting.com/pdf/count-words

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

curl -X POST https://api.kit.forhosting.com/pdf/count-words \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"pages":["Chapter One\n\nThe quick brown fox jumps over the lazy dog.","A second page with only a few words."]}'
{
  "pages": [
    "Chapter One\n\nThe quick brown fox jumps over the lazy dog.",
    "A second page with only a few words."
  ]
}
{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "pdf.count_words",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

1リクエストあたり$0.002

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

max_mb25
max_pages200
HTTPコード意味
401unauthorizedAPIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
402insufficient_balance残高が不足しています。チャージ後に再度お試しください。
404unknown_type指定されたタスクタイプは存在しません。タイプ名を確認してください。
429rate_limitedリクエストが多すぎます。しばらく待ってから再度お試しください。

空の入力(ページがない、空の配列、単語をまったく含まないページ)は、ゼロを黙って返すのではなく、明確なinvalid_inputエラーで拒否されます。

単語数・文字数・ページ数の計算方法

また、規定の文字数上限を超える結合テキストはinvalid_inputで即座に失敗するため、1つの巨大なリクエストがWorkerのメモリを占有することはありません。

送信する内容と返される内容

エラーケースは明示的で、課金されることはありません。典型的な正常系は2ページの記事で、合計は両ページの和になり、平均は2つのページごとの数値の間に収まります。意図的な空白ページを含むドキュメントでも、単語数はゼロのまま正しいページ数が報告されます。書き出したテキストの手軽な貼り付け確認には無料のブラウザフォームを使い、抽出済みドキュメントのアーカイブ全体を監査する際はスクリプトから同一のコントラクトを呼び出してください。必須フィールドpagesを1つ送信します。これは各PDFページの抽出テキストを読み順に格納した文字列の配列です。便宜上、エイリアスtextとcontentは単一の文字列として受け付けられ、1ページのドキュメントとして扱われます。また、pages_textは古いクライアントを接続する際の配列エイリアスとして機能します。成功時のレスポンスには、pages、total_words、total_characters、total_characters_no_spaces、words_per_page_average、各ページのページ番号・words・characters・characters_no_spacesを含むper_page配列、そしてpdf_count_wordsに設定されたoperationが含まれます。pagesフィールドの欠落、配列でない値、空の配列、文字列でない要素、規定の上限を超えるページ数や結合長、結合テキストに単語がまったく含まれないページは、いずれもどのルールに違反したかを正確に示すメッセージ付きでinvalid_inputを発生させます。API呼び出しの料金は成功した1アイテムあたり$0.002の公開基本価格で、バリデーション失敗時はプリペイド残高を消費しません。

ページごとのPDF単語数が実務で活躍する場面

API料金は成功した1アイテムあたり$0.002の公開基本価格で、無効な入力には課金されないため、アーカイブの一括監査のコストは予測可能です。

このツールはどのような入力を想定していますか?

pagesというフィールドで、各PDFページの抽出テキストを順番に格納した文字列の配列です。エイリアスtextまたはcontentは単一の文字列として受け付けられ、1ページのドキュメントとして扱われます。

KITの完全なドキュメントを見る →