Crea una lista de vocabulario a partir de una lectura china

Una palabra que se repite en un texto chino puede merecer un repaso, pero hay que interpretar la lista de frecuencias. La escritura china normalmente no separa las palabras con espacios. Antes de contar, la herramienta debe decidir dónde empieza y termina cada una; un límite incorrecto puede situar una entrada equivocada entre las más frecuentes.

Empieza con un pasaje breve que realmente quieras leer. Comprueba su segmentación, decide qué palabras entran en las estadísticas y añade una frase y un significado a las que conserves. El siguiente ejemplo recorre un párrafo original desde el texto inicial hasta una pequeña lista de estudio, con resultados que puedes reproducir.

Elige un texto con un propósito

Un capítulo, un artículo breve o una lectura de clase delimitan la lista. Copia el cuerpo del texto y guarda un original limpio. Antes del análisis, elimina menús repetidos, publicidad, encabezados de página y líneas duplicadas por OCR: sus palabras competirían con el vocabulario del contenido. Si incluyes el título en el recuento, anota esa decisión al comparar textos.

Este párrafo original describe una visita a la biblioteca y una rutina de lectura. No procede de un libro publicado ni cuenta la experiencia de una persona real:

周末，我去图书馆看书。图书馆有中文书，也有英文书。我借了两本中文书，准备下周还书。看书以后，我在笔记本上写下新词，再用新词写句子。

La persona que narra va a la biblioteca durante el fin de semana, toma prestados dos libros en chino, piensa devolverlos la semana siguiente y anota palabras nuevas. Este contexto será importante: aclara qué clase de libros son y el sentido del verbo en 还书.

Pega el párrafo en el analizador de frecuencia de palabras chinas y deja vacíos los campos de palabras personalizadas y excluidas durante el primer análisis. Lee tanto el texto segmentado como la tabla. La tabla reúne las apariciones de cada palabra en una fila; la vista segmentada conserva su orden y puntuación.

Revisa los límites antes de contar

En la herramienta actual, el primer análisis da 33 ocurrencias contadas y 25 entradas distintas. Divide 中文书 en 中 y 文书. Ambas secuencias pueden existir, pero esa división no recoge el sentido de libros en lengua china de este párrafo. Que una entrada de diccionario resulte plausible no demuestra que sea la lectura adecuada.

Añade 中文书 al campo de palabras personalizadas, en una línea independiente, y repite el análisis. Sus dos apariciones se mantienen unidas. El resultado pasa a 31 ocurrencias y 24 entradas distintas. Aquí tratamos deliberadamente «libro en chino» como una unidad de estudio; es una decisión para este ejercicio, no una afirmación de que cada compuesto chino tenga una única segmentación universal.

Otros objetivos pueden justificar estudiar 中文 y 书 por separado, o comentar 两 y el clasificador de libros 本. La salida del segmentador es un punto de partida para decidirlo. No añadas frases enteras al campo personalizado solo para acortar la lista. Incluye un nombre o una expresión cuando sus apariciones realmente deban agruparse para tu tarea.

Los términos personalizados afectan a las coincidencias de todo el texto. Revisa las frases que los rodean después de añadir un término corto o ambiguo. Para comparar capítulos, utiliza los mismos términos y guarda una copia con los resultados. Cambiar los límites a mitad del trabajo modifica tanto las entradas como los totales comparados.

Interpreta recuentos y porcentajes

Un token es una aparición contada; una entrada distinta corresponde a una cadena diferente. Al mantener 中文书 unido, 图书馆, 看书, 中文书 y 新词 aparecen dos veces cada uno; 我 aparece tres. La puntuación y los espacios pueden verse en la segmentación, pero no se suman al total de frecuencias.

El porcentaje es el recuento de la palabra dividido entre el total de ocurrencias conservadas. Antes de excluir palabras, para 图书馆 se calcula 2 ÷ 31 × 100, aproximadamente 6,45%. Después, 2 ÷ 22 × 100, aproximadamente 9,09%. La palabra no ha aparecido otra vez: solo ha cambiado el denominador.

Para una segunda pasada centrada en vocabulario, introduce las seis palabras excluidas de la tabla, una por línea. En conjunto eliminan nueve apariciones. La exclusión coincide con tokens completos: excluir 书 no elimina el token personalizado 中文书. El texto segmentado sigue disponible aunque algunas palabras ya no cuenten en las estadísticas.

Estas seis palabras son útiles en chino y no deben descartarse de todas las lecciones. Consérvalas al estudiar gramática o estructuras de oración. Del mismo modo, excluir números puede ayudar en ciertos textos, pero ocultar información importante de un horario o una lectura sobre compras. Define primero el objetivo y etiqueta los resultados guardados según sus filtros.

Conserva el significado en su frase

Elige vocabulario combinando frecuencia, conocimientos previos y tarea de lectura. Una palabra repetida que ya conoces necesita poca atención; otra que aparece una sola vez puede explicar todo el párrafo. Aquí 借 aparece una vez, pero indica que los libros se tomaron prestados. Limitarse a las diez primeras entradas no garantiza una buena selección.

Guarda para cada término la frase exacta o una cláusula breve completa, su significado en ese contexto y una pronunciación comprobada. En 准备下周还书, 还 significa devolver y se lee huán. Aprenderlo solo como hái, «todavía» o «también» en otros contextos, llevaría a interpretar mal la frase. Del mismo modo, 笔记本 es aquí un cuaderno de papel para escribir, no un ordenador portátil.

Una ficha útil puede incluir palabra, pronunciación, significado en el pasaje, frase original y título del texto. Señala las dudas para revisarlas después, en lugar de aceptar una lectura automática como definitiva. Antes de hacer una tarjeta con un nombre, un tecnicismo o una pronunciación ambigua, comprueba la frase completa y un diccionario apropiado.

Exporta una lista reutilizable

Descarga el CSV cuando hayas fijado los términos personalizados y las exclusiones. Contiene palabra, recuento y porcentaje para todos los resultados, incluidas las demás páginas. La pantalla redondea a dos decimales y el CSV conserva cuatro. Una pequeña diferencia de redondeo no implica cambios en los recuentos; los porcentajes mostrados tampoco tienen por qué sumar exactamente el 100%.

El CSV es una lista estadística, no un conjunto de definiciones ya preparado. Guárdalo junto al texto original y las opciones empleadas. El nombre del archivo puede identificar el pasaje e indicar si se aplicaron filtros. Al comparar textos de distinta longitud, examina los porcentajes además de los recuentos y mantén las mismas reglas de segmentación y filtrado.

Para repasar, lleva las palabras seleccionadas a la herramienta de tarjetas de vocabulario chino. Prepara palabra, pinyin y significado contextual; revisa y edita las tarjetas antes de practicar o exportar. No pegues el CSV de frecuencias como si la columna de recuento fuera la de pronunciación. Conserva la frase de origen en tus notas o en el campo de significado de la tarjeta.

Vuelve a la lectura original

Tras repasar un grupo manejable de palabras, relee el párrafo. Comprueba si puedes seguir la visita a la biblioteca sin consultar la lista, sobre todo las acciones de tomar prestado, devolver y anotar. Así, el ejercicio tiene un resultado concreto más allá de acumular entradas.

En lecturas largas, trabaja con secciones comparables y verifica su alcance y configuración antes de comparar resultados. Las grafías simplificadas y tradicionales, los nombres y otras formas escritas pueden permanecer como entradas separadas; significados similares no implican tokens idénticos. La frecuencia de tu pasaje describe ese pasaje, no una clasificación general del chino, un nivel de competencia ni el porcentaje de significado comprendido.