Công cụ đếm chữ cho bài tiếng Việt có một vấn đề ít ai nói: bộ đếm của WordPress, Yoast hay Google Docs đếm theo khoảng trắng, nên mỗi tiếng là một chữ. "Tối ưu hình ảnh" là bốn chữ dù chỉ là hai từ. Bài này viết hai tiện ích nhỏ: đếm chữ theo từng phần của bài, và tìm các đoạn có khả năng lặp ý.

Vì sao không đặt mục tiêu số chữ

Hướng dẫn tạo nội dung hữu ích của Google nói rõ họ không có số chữ ưu tiên, và viết theo số chữ là dấu hiệu nội dung viết cho máy. Vì vậy hai tiện ích dưới không dùng để ép bài dài ra, mà để thấy bài đang dài ở đâu và có dài vô ích không.

Đếm chữ theo từng H2

import re from bs4 import BeautifulSoup

def dem_theo_phan ( html : str ) -> list : soup = BeautifulSoup ( html , " html.parser " ) ket_qua , ten , chu = [], " Mở bài " , 0 for el in soup . find_all ([ " h2 " , " p " , " li " , " td " ]): if el . name == " h2 " : ket_qua . append (( ten , chu )) ten , chu = el . get_text ( strip = True ), 0 else : chu += len ( el . get_text ( " " , strip = True ).…