Monte uma lista de vocabulário de uma leitura em chinês

Uma palavra que se repete em um texto chinês pode ser uma boa candidata à revisão, mas a lista de frequências exige interpretação. A escrita chinesa normalmente não coloca espaços entre palavras. Antes de contar, a ferramenta precisa decidir onde cada palavra começa e termina; uma divisão inadequada pode levar uma entrada errada ao topo da lista.

Comece com um trecho curto que você realmente queira ler. Confira a segmentação, escolha quais palavras entram nas estatísticas e acrescente uma frase e um significado às que guardar. O exemplo abaixo acompanha um parágrafo original, do texto bruto a uma pequena lista de estudo, com números que você pode reproduzir.

Escolha um texto com um objetivo

Um capítulo, artigo curto ou texto de aula delimita o alcance da lista. Copie o corpo do texto e preserve uma versão original limpa. Remova menus repetidos, anúncios, cabeçalhos de página e linhas duplicadas pelo OCR antes da análise: suas repetições competiriam com o vocabulário da leitura. Se quiser contar o título, registre essa decisão ao comparar textos.

Use este parágrafo original de prática. Ele descreve uma visita à biblioteca e uma rotina de leitura; não é um trecho de livro publicado nem um relato sobre uma pessoa 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。

Quem narra vai à biblioteca no fim de semana, pega dois livros em chinês emprestados, pretende devolvê-los na semana seguinte e anota palavras novas em um caderno. Esse contexto será importante: explica de que livros se trata e o sentido do verbo em 还书.

Cole o parágrafo no analisador de frequência de palavras chinesas, deixando vazios os campos de termos personalizados e excluídos na primeira análise. Leia tanto o texto segmentado quanto a tabela. A tabela reúne as ocorrências repetidas em uma linha; a visualização segmentada mantém a ordem original e a pontuação.

Confira os limites antes da contagem

Na ferramenta atual, a primeira análise retorna 33 ocorrências contadas e 25 entradas diferentes. Ela divide 中文书 em 中 e 文书. As duas sequências podem existir, mas essa divisão perde o sentido de livros em língua chinesa presente no parágrafo. Uma entrada de dicionário aparentemente plausível não basta para confirmar a leitura.

Adicione 中文书 ao campo de termos personalizados, sozinho em uma linha, e analise novamente. As duas ocorrências passam a ficar unidas. O resultado tem 31 ocorrências e 24 entradas diferentes. Aqui escolhemos tratar «livro em chinês» como um item de estudo; é uma decisão para este exercício, não uma afirmação de que todo composto chinês tenha uma única divisão universalmente correta.

Outros objetivos podem justificar estudar 中文 e 书 separadamente, ou discutir 两 e o classificador de livros 本. O resultado do segmentador é um ponto de partida para essa decisão. Não preencha o campo personalizado com frases inteiras apenas para encurtar a lista. Acrescente um nome ou expressão quando suas ocorrências realmente precisarem ser agrupadas para a tarefa.

Termos personalizados afetam as correspondências em todo o texto. Confira as frases ao redor depois de acrescentar um termo curto ou ambíguo. Para comparar capítulos, use os mesmos termos e guarde uma cópia com os resultados. Mudar os limites no meio do trabalho altera tanto as entradas quanto os totais comparados.

Leia contagens e proporções juntas

Um token é uma ocorrência contada; uma entrada diferente corresponde a uma sequência textual diferente. Mantendo 中文书 unido, 图书馆, 看书, 中文书 e 新词 aparecem duas vezes cada. 我 aparece três vezes. Pontuação e espaços aparecem na segmentação, mas não entram no total de frequências.

A proporção é a contagem da palavra dividida pelo total de ocorrências mantidas. Antes das exclusões, 图书馆 corresponde a 2 ÷ 31 × 100, aproximadamente 6,45%. Depois, a 2 ÷ 22 × 100, aproximadamente 9,09%. A palavra não apareceu mais uma vez: apenas o denominador mudou.

Em uma segunda análise voltada ao vocabulário, insira as seis palavras excluídas da tabela, uma por linha. Elas retiram nove ocorrências ao todo. A exclusão exige correspondência com o token completo; portanto, excluir 书 não remove o token personalizado 中文书. O texto segmentado continua disponível mesmo quando algumas palavras deixam de entrar na estatística.

Essas seis palavras são úteis em chinês e não devem ser descartadas automaticamente de toda aula. Mantenha-as ao estudar gramática ou estruturas de frases. Da mesma forma, excluir números pode ajudar em certos textos, mas esconder informações importantes em horários ou materiais sobre compras. Defina primeiro o objetivo e identifique os resultados salvos conforme os filtros usados.

Preserve o significado na frase

Escolha palavras considerando frequência, conhecimento prévio e objetivo da leitura em conjunto. Uma palavra repetida que você já conhece requer pouca atenção; outra que aparece uma única vez pode explicar o parágrafo inteiro. Aqui 借 aparece uma vez, mas mostra que os livros foram emprestados. Um corte nas dez primeiras entradas não garante a melhor seleção.

Para cada item escolhido, guarde a frase exata ou uma oração curta completa, o significado nesse contexto e a pronúncia conferida. Em 准备下周还书, 还 significa devolver e se lê huán. Aprendê-lo apenas como hái, «ainda» ou «também» em outros contextos, desviaria a interpretação. Da mesma forma, 笔记本 é aqui um caderno de papel para escrever, não um computador portátil.

Um registro útil pode conter palavra, pronúncia, significado no trecho, frase original e título do texto. Marque as dúvidas para consultar depois, em vez de aceitar uma leitura automática como definitiva. Antes de montar um cartão para um nome, termo técnico ou pronúncia ambígua, confira a frase completa e um dicionário adequado.

Exporte uma lista reutilizável

Baixe o CSV depois de definir os termos personalizados e as exclusões. Ele inclui palavra, contagem e porcentagem de todas as páginas de resultados. A tela arredonda as porcentagens para duas casas decimais; o CSV mantém quatro. Pequenas diferenças de arredondamento não indicam mudança nas contagens, e as porcentagens exibidas não precisam somar exatamente 100%.

O CSV é uma lista estatística, não um conjunto de definições pronto. Guarde-o com o texto original e uma nota das configurações. O nome do arquivo pode incluir o identificador do trecho e indicar se houve filtros. Ao comparar textos de tamanhos diferentes, examine as proporções além das contagens, mantendo a mesma segmentação e filtragem.

Para revisar, leve as palavras escolhidas à ferramenta de cartões de vocabulário chinês. Prepare palavra, pinyin e significado contextual; confira e edite os cartões antes de praticar ou exportar. Não cole o CSV de frequências como se a coluna de contagem fosse a de pronúncia. Preserve a frase de origem nas anotações ou no campo de significado do cartão.

Volte à leitura original

Depois de revisar um grupo viável de palavras, releia o parágrafo. Veja se consegue acompanhar a visita à biblioteca sem consultar a lista, sobretudo as ações de pegar emprestado, devolver e anotar. Assim, o exercício produz um resultado concreto além de acumular entradas.

Em leituras longas, trabalhe com seções consistentes e confira o escopo e as configurações antes de comparar. Grafias simplificadas e tradicionais, nomes e formas escritas diferentes podem continuar como entradas separadas; significados parecidos não tornam os tokens idênticos. A frequência do trecho escolhido descreve esse trecho, não um ranking universal do chinês, um nível de proficiência nem a porcentagem de sentido compreendido.