Compteur de bigrammes de caractères
Saisissez banana et obtenez ses cinq paires de lettres classées : an et na apparaissent deux fois chacune, ba une fois. Chaque paire indique son nombre et sa part du total, une empreinte classique pour reconnaître une langue ou étudier un chiffrement. Gratuit dans votre navigateur.
- Gratuit
- Fonctionne dans votre navigateur
- Sans inscription
- Vos données restent sur votre appareil
Lancer gratuitement
Exemple résolu
- Texte
- banana
- Longueur
- 6
- Nombre total de bigrammes
- 5
- Bigrammes uniques
- 3
Les bigrammes de caractères sont chaque paire de lettres placées côte à côte dans une chaîne—ba, an, na, an, na dans banana—et leurs fréquences constituent une empreinte classique de la langue, du chiffrement et de la disposition du clavier. Linguistes et étudiants en NLP utilisent les tables de bigrammes comme base pour la détection de langue ; les cours de cryptanalyse tracent les digrammes pour repérer une structure proche de l’anglais dans le chiffré ; typographes et chercheurs en méthodes de saisie observent les paires dominantes pour régler l’espacement et le placement des touches. Ce compteur de fréquence des bigrammes de caractères accepte une chaîne de texte, unifie éventuellement la casse, fait glisser une fenêtre de deux caractères sur toute la chaîne et renvoie un tableau classé de chaque paire unique avec le décompte brut et la part de toutes les paires adjacentes.
Ce que sont les bigrammes de caractères et pourquoi leurs fréquences comptent
Un bigramme de caractères est simplement deux caractères consécutifs lus de gauche à droite : dans le mot banana les paires successives sont ba, an, na, an et na. Compter combien de fois chaque paire apparaît produit une table de fréquences de multiensemble bien plus riche que les histogrammes de lettres isolées pour de nombreuses tâches en aval.
Les langues naturelles montrent de fortes préférences de paires—th et he dominent l’anglais courant, tandis que d’autres paires sont rares—si bien que le profil de bigrammes d’un court échantillon sépare souvent les langues mieux que le simple décompte de lettres. Les manuels classiques de cryptanalyse enseignent la fréquence des digrammes après l’analyse des monogrammes : même lorsque les lettres sont substituées, les paires anglaises courantes réapparaissent comme digrammes de chiffré répétés et guident les attaques par crib.
La typographie et la disposition du clavier utilisent les mêmes statistiques pour une autre raison : les paires fréquentes renseignent les candidats au crénage, les ligatures de digrammes et les modèles de coût de parcours des touches pour des dispositions alternatives.
Ce point d’accès n’implémente que le décompte déterministe : pour une chaîne de longueur n il enregistre n moins une fenêtres chevauchantes, cumule les clés identiques de deux caractères, trie par décompte décroissant avec départage lexicographique stable sur la chaîne du bigramme, et attache à chaque ligne sa part du total des fenêtres. Il ne devine pas d’étiquettes de langue, ne casse pas de chiffres et ne recommande pas de polices ; ces produits consomment le tableau que vous obtenez.
Espaces, ponctuation et chiffres sont des caractères comme les autres, donc Hello world produit un bigramme contenant un espace entre o et w. Comme la fenêtre repose sur les unités de code UTF-16 de JavaScript, les emoji du plan astral peuvent apparaître en moitiés de substitution—utiles pour des diagnostics de type octet, pas pour la linguistique des graphemes. Gardez les entrées sous le plafond de caractères publié et figez les lignes classées dans les tests afin que l’automatisation reste reproductible entre runtimes.
Cas d’usage
Expériences de détection de langue
Construisez des profils de digrammes de base à partir de paragraphes d’échantillon et comparez les vecteurs de part de bigrammes entre langues candidates sans bibliothèque NLP complète.
Cryptanalyse et CTF en classe
Comptez les digrammes du chiffré pour repérer des paires fréquentes susceptibles de correspondre à des combinaisons anglaises courantes lors d’attaques par substitution.
Typographie et réglage du clavier
Classez les paires de caractères adjacentes dans des extraits de corpus pour prioriser le crénage ou scorer des claviers alternatifs selon le coût de parcours des paires.
Questions fréquentes
Les espaces et la ponctuation sont-ils comptés ?
Oui. Chaque paire adjacente de caractères est comptée, y compris espaces, chiffres et ponctuation. Il n’y a pas de tokeniseur qui retire les non-lettres.
Que se passe-t-il si mon texte est vide ou n’a qu’un caractère ?
Les bigrammes exigent deux caractères consécutifs ; une entrée vide ou d’un seul caractère ne forme pas de paire adjacente et n’est pas facturée.
Combien de paires un texte produit-il ?
Toujours une de moins que son nombre de caractères, car les paires se chevauchent. Les six lettres de banana donnent cinq paires (ba, an, na, an et na), dont trois seulement sont différentes.
Les majuscules et les minuscules sont-elles distinguées ?
Par défaut, oui : Ab et ab forment deux paires différentes. Si vous désactivez cette distinction, tout le texte passe en minuscules avant le comptage, et Hello et hello alimentent les mêmes paires.
À quoi sert la fréquence des bigrammes ?
À comparer des langues, puisque des paires comme th et he dominent l'anglais ; à repérer les paires fréquentes d'un chiffrement par substitution ; et à choisir des paires de crénage ou évaluer une disposition de clavier.
Outils associés
Pour les développeurs — accès API
Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.
Endpoint
Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.
Appeler depuis votre stack
curl -X POST https://api.kit.forhosting.com/str/char-bigram-frequency \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"text":"banana"}'const res = await fetch("https://api.kit.forhosting.com/str/char-bigram-frequency", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"text": "banana"
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/str/char-bigram-frequency",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"text": "banana"
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/str/char-bigram-frequency", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"text":"banana"}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"text":"banana"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/str/char-bigram-frequency", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemple de requête
{
"text": "banana"
}Exemple de réponse
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "str.char_bigram_frequency",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.
Tarifs
Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.
Limites
max_chars | 100000 |
Erreurs
| HTTP | Code | Signification |
|---|---|---|
401 | unauthorized | Clé API absente ou invalide : vérifiez l’en-tête Authorization. |
402 | insufficient_balance | Solde insuffisant : rechargez votre compte pour lancer cette tâche. |
404 | unknown_type | Type de tâche inconnu : vérifiez le champ type de votre requête. |
429 | rate_limited | Trop de requêtes : ralentissez la cadence, puis réessayez. |
Notes techniques
Un texte vide et les chaînes de moins de deux caractères échouent avec invalid_input au lieu d’une table vide.
Ce que sont les bigrammes de caractères et pourquoi leurs fréquences comptent
La casse est préservée par défaut pour que Ab et ab restent distincts ; réglez case_sensitive à false lorsque vous voulez un profil unifié pour des expériences de langue.
Contrat d’entrée, forme de la réponse et comportement d’erreur
Exemple : banana produit cinq bigrammes au total avec an et na comptant deux chacun, ba comptant un, rangs ordonnés par fréquence puis par chaîne du bigramme. Associez le tableau à vos propres modèles de langue ou graphiques si vous avez besoin de classifieurs ou de cartes de chaleur ; ce point d’accès ne fait que compter et n’émet ni graphiques ni prédictions de modèle. Envoyez en POST un corps JSON avec un champ obligatoire, text, la chaîne non vide que vous souhaitez parcourir pour des paires adjacentes. Les alias input, string, value, content et s sont acceptés pour que les scripts réutilisent des noms courants. L’option case_sensitive vaut true par défaut et peut aussi être envoyée comme caseSensitive ou sensitive ; lorsqu’elle est false toute la chaîne est mise en minuscules avant le comptage, de sorte que Hello et hello partagent les mêmes clés de digramme. L’option top (alias limit, n) est un entier de un à dix mille qui tronque le tableau classé après le tri ; omettez-la pour recevoir chaque bigramme unique. L’absence de text, les chaînes vides, les objets et tableaux non chaînes, et les valeurs qui restent plus courtes que deux caractères après unification de casse échouent avec invalid_input et un message qui nomme le problème—ces échecs de validation ne sont pas facturés. Le texte au-delà de la limite max_chars déclarée est aussi rejeté. En cas de succès le corps renvoie le texte original et sa length, indique total_bigrams comme length moins un de la forme scannée, unique_bigrams comme le nombre de paires distinctes, case_sensitive résolu, top optionnel si vous l’avez fixé, un tableau frequencies d’objets avec rank, bigram, count et share arrondi à six décimales, et method égal à char_bigram_frequency.
Où une API de fréquence de bigrammes de caractères se justifie
Les prototypes de détection de langue et les laboratoires d’enseignement ont besoin d’un oracle déterministe de digrammes pour que chaque carnet d’étudiant et chaque correcteur s’accordent sur les mêmes rangs pour le même paragraphe d’échantillon. Les expériences de typographie et de disposition de clavier tirent des statistiques de paires de fragments de corpus pour prioriser le crénage ou scorer le coût de parcours sans livrer une pile NLP complète. Une validation échouée ne consomme pas le solde. Les cours de cryptanalyse et les write-ups de CTF utilisent les totaux de paires adjacentes comme premier filtre avant des outils plus lourds, et une petite API de parse évite de réimplémenter le tri et l’arithmétique des parts dans chaque langage. Comme l’implémentation est un parse pur de niveau A, chaque appel réussi coûte le prix de base publié $0.002 sans jetons de modèle ni réseau sortant.
Questions techniques
Comment compter les fréquences de bigrammes de caractères dans une chaîne ?
Envoyez un corps JSON avec text égal à votre chaîne (au moins deux caractères). L’API fait glisser une fenêtre de deux caractères sur le texte et renvoie chaque paire unique classée par décompte avec la part de toutes les paires adjacentes.
Que fait case_sensitive ?
La valeur par défaut true conserve la casse pour que Ab et ab soient des bigrammes distincts. Réglez case_sensitive à false pour mettre le texte en minuscules avant le comptage, pratique courante pour les bases de détection de langue.
Combien coûte le compteur de fréquence des bigrammes de caractères ?
L’outil navigateur est gratuit. Les requêtes API utilisent le solde prépayé KIT à $0.002 par appel réussi ; une entrée invalide n’est pas facturée.