零代码在线文本分析·图像处理

原始文本里常夹杂表情符号、零宽与控制字符、HTML 标签、爬虫残留代码片段与重复标点，会让后续的词频、主题、情感分析结果失真；而 LDA、BERTopic、相似度比较、情感聚合等任务都以"段"为分析单位，整篇长文档若不先切分就无法直接投入。

系统会识别并去除不可见字符与表情，可删除全部标点或仅保留中英文常用句末标点；强力清理模式还能剥离 HTML 标签与混排代码，只留中文与常用标点；可按自定义停用词列表批量剔除高频虚词；并能按设定的字数窗口（LDA 约 50–200 字、BERTopic 约 100–500 字）把长文档切成等长片段，作为下游分析的标准输入单位。

报告按整体与单文件给出原始字符、清理后字符、删除比率、保留率、处理行数与分段数，可横向比较不同语料的噪声水平，并直接用于 LDA、BERTopic 主题建模、词云与情感分析。

适用于把含表情与重复标点的评论统一为干净中文，也适用于把整篇访谈或爬虫长稿先分段，再投入主题建模、聚类与相似度分析。

用于看清一段文本里名词、动词、形容词、副词等各类词的占比与典型用法，从而判断文本的表达风格、内容焦点和叙事方式。

系统会先把句子切成词，再为每个词标上对应的词性；中文会同时给出两种分词与标注方案的结果，方便比较切分边界和词类判断上的差异。

报告呈现总词数、唯一词数、词性多样性与词汇多样性四项基础指标，再用分布图展示各词性的占比，并为每一类词性列出该文本里的典型词汇示例，可用于核对分词质量、挑选关键词候选，或为后续的句法分析与关键词抽取做准备。

适合语言学课堂里分析作家或文体的用词风格，也适合内容运营对比一组文案在动词与形容词使用上的差别。

用于在大段文字、问卷回答或评论里快速找出最能代表内容的核心词，看清这批文本到底在反复谈论什么主题或卖点。

提供 DeepKeyword、TF-IDF 和 TextRank 三种关键词提取算法，可在同一份语料上切换对比：DeepKeyword 直接从句子里抽取关键短语；TF-IDF 偏好在当前文本中频繁、在其他文本里少见的词；TextRank 同时看词频与词语之间的关联强度。

报告会给出每个关键词的权重，用词云勾画主题轮廓，用排行柱状图呈现 Top 关键词；多文件时另外提供汇总词云，方便跨文档比较核心议题。

适合论文与研报中提取学科术语和核心概念，也适合产品团队从用户评论里挖掘反复出现的功能点和痛点。

用于看清一批文本反复在说什么——既包括最常出现的关键词，也包括「乡村振兴战略」「数字化转型」这类由几个词组成、靠单词识别不出来的固定提法。

在词频之外，可同时统计两到四个词的词组（n-gram），并设定出现次数门槛；还能按词性结构（名词+名词、形容词+名词等）过滤，去掉「在 路上」这类凑出来的组合，只留读起来像主题词的搭配。

报告自动给出一段关键发现——主导词是谁、是否形成稳定搭配、表达是否套路化，并配以词云、面积图、Top 20 清单和「核心词 × 长组合」对比表。多篇文档时另外呈现跨文档共有词与单篇独有词的分布。

适合通稿、政策与财报里检视提法集中度与口径变化，也适合问卷开放题与访谈归纳受访者反复提到的主题。

用于看清一批文本里反复提到的是哪些人、哪些地方、哪些机构，以及它们出现的时间与频次，从而梳理报道对象清单、定位关键当事人或核对叙述口径。

系统会逐句扫描文本，把具有专有名指代的片段切出来并归到对应类型；除了给出实体本身，还会保留它在原句中的位置，方便回查上下文。

报告呈现实体总量、类型占比柱状图与饼图、各类型的热门实体排行，以及实体长度、每句平均实体数、实体覆盖率等密度指标；并提供分页的句子级明细，把每条原句和它带类型标签的实体并排展示，便于挑出需要重点核对的段落，或提炼人物与机构清单。

适合新闻报道里梳理事件涉及的人物与机构，也适合访谈与政策文本中盘点关键对象，为后续社会网络分析准备名单。

用于识别文本里反复成对出现的词，判断它们是固定搭配、习惯说法还是只是偶然同现，从而梳理材料的核心议题与话语口径。

工具会同时给出三种判断指标：互信息（MI）看共现是否远超随机水平，T 值看搭配是否具备统计显著性，对数似然比看搭配在文本里有多稳定；还会标记两个词谁在前、谁在后，避免把方向相反的搭配混为一谈。

报告呈现完整的词对搭配表（次数 + 三项指标 + 位置关系），并按关联强度自动分组聚类，把极强、紧密、一般等不同层级的搭配分别列出；同时支持 3 词、4 词的共现组合。

适合舆情与新闻报道中梳理话语口径，也适合学术文献与访谈中提取概念间的语义关联，为知识图谱与主题网络做准备。

用于看清一段中文文本是怎么「搭」出来的——每句话的主语、谓语、宾语分别是哪几个词，哪些词在修饰主干，从而判断句子骨架和长难句的难点所在。

系统会逐句进行依存句法分析，把每个词指向它所修饰或所依赖的另一个词，并标出关系类型（主谓、动宾、定中、状中等）；所有结果以可视化依存关系图直接呈现，并给出每句的最大依赖深度与关系类型数。

报告给出总句数、平均句长和句法复杂度评分，按比例呈现各类依存关系的占比，并把全文句子自动分成简单句 / 中等复杂句 / 复杂句三档；多句文本支持分页浏览每一棵依存树。

适合语言学课堂里讲解汉语句法结构与常见关系类型，也适合在政策与新闻文本中识别长难句、改写不通顺的表达。

用于在多份文档中找出最具代表性的核心词，并看清这些核心词之间是结伴出现还是彼此排斥，从而梳理材料的主题结构与概念关联。

系统会先按重要性给词汇打分，再构建一个由前 N 个核心词组成的两两相关性矩阵；同一组词的关联既可以用热力矩阵查看，也可以用关系网络查看，方便从不同视角判断概念之间的远近。

报告同时呈现核心词重要性条形图、词汇相关性矩阵、词汇关系网络，以及文档长度、词频分位数、稀疏度和相似性等统计指标，便于归纳主题、对比文档结构，或为后续聚类与主题模型挑选种子词。

适合政策与研报中梳理议题的核心概念与关联结构，也适合访谈与评论语料中识别反复出现的关键词族。

用于在一批评论、留言或反馈中快速判断整体情感倾向，并找出哪些具体说法在推动正面或负面评价，从而做满意度复盘、舆情监测或反馈摘要。

提供多种情感判断方式：自研深度学习模型 DeepSenti 按上下文理解整句情感，并针对电商评论、学术论文等不同行业语境提供专门的微调版本；另外两种基于情感词典的经典方法支持自定义积极词、消极词扩展词表。

报告呈现积极 / 中性 / 消极占比饼图、平均情感得分与情感分数分布柱状图，以及热门积极关键词与热门消极关键词清单；多文件时支持综合统计与单文件切换查看，便于对比不同批次或不同来源的情感差异。

适合电商团队梳理用户评论中的满意点与抱怨点，也适合学术文本中识别支持或质疑的语气，以及舆情监测中追踪话题情感走向。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文；长文需先用文本清洗功能做正确分段。

用于从一批评论、问卷或访谈文本中自动分出若干主题组，看清材料里到底有哪些主要议题、哪些组之间界限清楚、哪些彼此重叠。

提供 KMeans（适合短文本）与 FastText（适合长文本）两种聚类方式；分类数可手动指定，也可以让系统按聚类质量自动选择最优 K 值，并支持去重和文档合并方式调整。

报告同时给出三类聚类质量指标（轮廓系数、戴维斯-布尔丁指数、卡林斯基-哈拉巴斯指数）及对应解读，并配以规模分布柱状图、二维散点图、相似度热力图、关键词词云、多维雷达图和平行坐标图；每个聚类还会列出关键词、示例句、代表性文档和改进建议。

适合问卷开放题归类与用户反馈分组，也适合评论、访谈与舆情语料中初步识别主题群组、为后续编码或主题模型挑选种子。

用于把每个关键词在原文里出现的左侧 / 关键词 / 右侧上下文纵向对齐，一眼看出它的固定搭配、惯用说法和典型语境。

关键词可以手动录入，也可让系统按词频自动选取，并按词性（名词、动词等）过滤；上下文窗口、子串 / 整词匹配、按出现位置 / 按左侧词 / 按右侧词排序均可调整，按邻接词排序会自动把相同搭配归到一处。

报告先给出一段关键发现——总命中、千字密度、最高频词占比、跨文档覆盖与未命中词；再呈现 KWIC 上下文表、命中位置分布图（文档里靠前还是靠后）和关键词配对共现表，便于对比同一术语在不同文档里的用法差异。

适合政策文件中考察同一术语在不同部门话语里的搭配差异，也适合访谈、评论与文献中归纳某个核心词所处的具体情境。

用于回答哪些主题在哪些文档里被密集讨论、不同分组之间的覆盖差异如何。与 KWIC 上下文索引互补——KWIC 按单个词查看左右上下文，回答「这个词怎么用」；本工具按概念组做命中统计，回答「哪些文档涉及哪些主题」，两者各司其职。

必须以「概念组」形式提交关键词——把多个同义、近义词归到一个组里（如把「暴雷 / 违约 / 爆雷」并入「风险」组），所有命中数会被汇总到组名下；统计粒度可选 整篇 / 段落 / 句子，并支持子串与整词匹配、是否区分英文大小写。

使用前提：本工具会把所有上传文件整合后按「段落」做横向对比，因此请务必把语料整理成清晰可分段的文本（例如每条评论 / 每段访谈 / 每条政策条款各占一段，段间用空行分隔）。如果通篇没有分段或没有把多份材料整合到一起，将无法得出有效结果。

报告同时提供文档、关键词、分组三个视角的命中表，文档 × 关键词矩阵热力图一眼看出哪些文档密集涉及哪些主题；段 / 句粒度时还会按文档列出命中最密集的热点段落或句子，每条命中都可在抽屉里查看上下文样例。

适合在政策文件中比对不同口径在各部门材料中的覆盖差异，也适合评论与新闻中横向对比「风险 / 正面 / 品牌」等多组概念在不同来源中的集中度。

用于把繁简、引号、全/半角、省略号、破折号等写法不一的中文文本统一成出版级规范样式，并可整篇转写为拼音。与「文本清洗」互补——本工具做无损统一（一字不丢、人能读），文本清洗做降噪减字（给下游模型用），建议先规范化、再清洗。

繁简转换支持 t2s / s2t / s2tw / s2hk / s2twp 等模式，按词典级判断上下文，而不是单字一一替换，可正确处理「头发 / 髮」「干 / 乾」等多义字与「一简对多繁」；标点规范化覆盖全/半角数字字母互转、直引号转中文弯引号、引号配对校验、多空白折叠、省略号与破折号统一；拼音提供声调符号、声调数字、无声调三种形式，并可按词切分以避开多音字误读。

报告给出规范化总览（繁简变更、标点修改、拼音覆盖字数）、标点子项分布条形图、每份文件的修改统计，以及原文 / 改后并排的修改样例与无法自动判定的人工复核警告清单；规范化主文件与拼音 CSV 可整批下载。

适合字幕、教材、播报稿、港台稿件出海等发布前的最后一道格式统一，也常作为分词、词频、关键词与聚类等下游分析的预处理步骤。

用于回答一段文字的阅读门槛大致在哪个水平、目标读者能不能读懂、哪些句子最难需要改写，是发布前判断稿件是否需要简化、或挑选不同读者群对应版本的常用工具。

中文按《通用规范汉字表》一 / 二 / 三级覆盖率，结合平均句长、生僻字比例、虚词密度与平均词长综合打分；英文同时跑 Flesch Reading Ease、Flesch-Kincaid Grade、Gunning Fog、SMOG、Coleman-Liau、ARI、Dale-Chall 七项学界通行公式，可自动检测语言或手动指定，中英混排时按主导语言走对应管线。

报告给出 0-100 综合可读性分与近似阅读年级，配以通用规范汉字表覆盖堆叠图、多文件难度雷达对比、多文件汇总表，以及每份文件最难 5 句 / 最易 5 句样本；同时附「凭什么得出阅读年级」的方法说明与年级带映射表（小学 / 初中 / 高中 / 通用 / 学术）。

适合教辅与少儿读物分级、字幕与配音稿的难度匹配，也适合公文、学术与品牌稿件在面向大众发布前的改写决策与多版稿件难度横向对比。

用于快速从长文里挑出最具代表性的几句话拼成摘要。与生成式摘要不同——本工具不改写、不脑补，每一句都直接来自原文并标注原文行号，可一键回到出处，从根源上避免事实漂移与措辞篡改的风险。

系统先把每个句子用 TF-IDF 表示并构建句子相似度图，再同时跑 TextRank（基于 PageRank 的图迭代）与 LexRank（阈值化邻接 + 幂迭代）两套经典算法计算「句重要性分」，按权重挑头部并保持原文顺序拼接；摘要长度可按压缩比或目标句数控制，支持中文、英文与自动检测。

报告给出每篇文档的摘要句列表（含权重条形与原文行号）、原文 + 摘要高亮对照（Tab 切换看两套算法的选句差异）、句权重 Top 30 分布、两算法重合度指标，以及多文件压缩比与重合度汇总表。

适合政策文件、论文、研究报告的快速通读与批量「先看摘要再决定要不要细读」，也适合长篇评论、访谈、博客的重点抽取与导读卡片生成。

用于在文档对外分享、训练语料脱敏、客服与用户反馈归档等场景下，批量识别并替换文本里的结构化个人信息（PII）。本工具只识别"有规律的格式化串"——身份证、手机号、银行卡、车牌等；自由人名、自由地址描述等需要命名实体识别才能找到的目标，请改用「实体识别」工具，避免功能误用。

内置 11 种类型：身份证、手机号、邮箱、银行卡、统一社会信用代码、车牌、IP、QQ、微信号、生日、地址前缀，并叠加身份证 GB 11643、银行卡 Luhn、社会信用代码 GB 32100 等校验位以显著压低误报；脱敏方式可在占位符（[PHONE_1] 形式的可逆映射）/ 保留前后若干位的中段掩码 / 整段删除三者中切换，并支持追加自定义正则覆盖工号、合同号、订单号等业务字段。

报告给出整体风险等级（高 / 中 / 低 / 无）、命中类型分布柱状图、文件 × 类型命中热力图、每文件命中统计与掩码样本预览，以及可按文件 / 类型筛选并分页的命中明细表；脱敏后的主文件、命中明细 CSV、占位符映射表均可整批下载。

适合公文、客服记录、用户反馈等对外发布前的合规脱敏，也适合 LLM 训练语料、运营报表与数据治理流程中的个人信息清洗与留痕。

基于深度语义模型的可解释情感分析工具，不只输出正负中性判断，还会对关键词或短语标注情感极性、词性类型及贡献方向，并识别否定结构、程度副词、转折逻辑与反讽等复杂语言现象。逐行情感结果、证据词、触发模式、否定词和核心触发词可用于复核判断、摘录证据、比较不同来源文本的情绪表达；句级推理逻辑以结构化形式呈现，让每一个情感判断都有据可查。适用于舆情监测、用户评论挖掘、社区调研、学术标注，也适用于社交媒体舆情溯源与新闻报道立场分析。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文。

系统可自动识别文本中的人物、组织、概念等实体及其相互关系，生成可交互的知识图谱。较长文本会智能分块、逐段抽取后合并结果。开启「聚类优化」可自动合并同义实体与关系，减少重复，让图谱更清晰准确。建议输入包含可区分实体与陈述的内容（避免纯口号或极短文本），合并后不少于 500 字；过长文本会按设定的分块大小切分后抽取。

支持上传最多 5 个 TXT 文件（合并后总字数不超过 10 万字），系统按上传顺序直接拼接后统一处理。

为保证数据准确性，并务必在处理之前删除页码、参考文献等无用信息，推荐使用强力清洗后的文本文件。

用于从大规模文本中识别潜在主题簇，分析议题的集中度、分离度、层级关系与文档归属，并判断不同主题之间是清晰分开、局部重叠还是存在上下位结构。主题标签、关键词权重、主题散点、文档分布、层次聚类树和相似度矩阵可用于构建主题地图、比较主次议题、识别核心主题与边缘主题，并定位哪些文本支撑某个主题判断；质量评估与代表性文本可用于复核结果，支持摘要撰写、汇报展示和论文写作。适用于论文综述，也适用于舆情、用户反馈和政策文本的主题分析。

用于从一批文本中提炼若干稳定主题，判断每个主题在讲什么、哪些文档主要属于某个主题，以及不同主题之间是否清晰分开或彼此重叠。主题词、主题一致性、困惑度、文档主题分布、主题相似度矩阵和主题演化可用于概括议题结构、比较主题质量、识别相近主题与边缘主题；多文档对比、预处理统计和异常检测可用于复核结果，并支持摘要撰写、汇报展示和论文写作。适用于论文综述，也适用于新闻、政策文本和用户反馈的主题分析。

用于分析文本情感，除积极、中性、消极外，还输出效价（V）、唤醒度（A）、支配度（D）三个维度，帮助区分同为负面却是愤怒、压抑还是无助等不同情绪状态。整体情感占比、VAD 三维均值、Russell 情感空间分布、四象限与逐行结果可用于比较不同文本的情绪结构、识别高唤醒或低控制感内容，并为细读、分组和研究结论提供量化依据。适用于舆情监测中的情绪地图绘制，也适用于访谈、评论和文学语料中的精细情感分析。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文。

用于在大量词语特征中提炼少数几个主成分，判断文本差异主要由哪些变量方向拉开，以及样本之间是聚集、分离还是存在离群点。碎石图、解释方差、载荷图和得分散点图可用于判断保留多少主成分更合适、识别哪些词贡献最大、比较样本结构并发现异常样本；参数建议与图表解读可用于支持后续聚类、分组和结果说明。适用于问卷开放题与访谈语料的结构摸底，也适用于政策文本和评论数据的降维分析。

用于从一批文本中找出自然形成的主题群，判断材料是集中在少数议题，还是分成几组彼此区分明显的表达。聚类分布、每类关键词、占比和质量评估可用于概括主题结构、比较主题边界、识别重叠或失衡分组，并为调整分类口径、写摘要和筛选重点材料提供依据。适用于用户反馈归类，也适用于访谈与舆情文本的议题分群。

用于把长文本或多段材料压缩成少数语义方向，判断语料主要围绕哪些主题展开、哪些主题彼此接近或重叠。主题词、主题占比、代表性段落、方差贡献、主题相似度与词汇关系可用于概括议题结构、核对主题边界、筛出能支撑判断的关键段落，并辅助写摘要、做对比和整理汇报。适用于访谈逐字稿梳理，也适用于评论反馈与政策材料的主题归纳。

用于从中文语料里找出常规分词不易识别的组合词，回答哪些术语、机构名、地名、人名或流行表达被切碎了。得到的新词数量与词目列表，可用于补充领域词典、统一研究口径、复核分词边界，并为后续词频、主题或实体分析减少噪声。适用于访谈和问卷中的本地简称整理，也适用于行业评论与社交内容中的新词补充。

用于在做LDA前判断主题数该设多少，回答主题分得太少会不会混杂、分得太多会不会碎片化。困惑度、两类一致性、轮廓系数、对数似然、BIC、AIC及综合推荐结果，可用于比较不同主题数下的模型质量，确定更稳妥的候选主题数，并为后续正式建模、结果解释和汇报说明提供依据。适用于论文综述中的主题数选择，也适用于政策文本与用户反馈的主题建模预评估。

用于比较句子之间的信息价值，判断哪些句子信息更密、更新颖、更值得保留，哪些句子内容空泛或重复。逐句指标表、综合得分和筛选结果可用于摘出高价值原句、压缩冗余材料、整理引文和下一轮分析语料；多项信息指标还能帮助解释一句话为什么值得保留。适用于访谈逐字稿筛句，也适用于新闻、评论和笔记材料的重点提炼。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。

用于识别文本中的需求、建议、目标与期待表达，判断大家最关注哪类期待、哪些诉求更紧急、整体情绪偏正面还是负面。期待类型分布、关键词关系、情感与紧急程度散点，以及逐条期待详情，可用于梳理核心诉求、比较不同期待的热度与紧迫性，并辅助写需求摘要、整理政策目标或汇总用户反馈。适用于产品评价与服务反馈，也适用于政策文本和调研材料中的期待挖掘。

对中文文本逐句进行多维度隐含情感分析，识别阴阳怪气、过度捧杀、隐含负面等字面之外的真实态度。结果页展示平均正负面情感、阴阳怪气程度、隐含负面程度等总体统计和正负面情感分布统计表，以及每句话含正面情感、阴阳怪气、表达意图一致性、过度捧杀、赞美真实性、情感类别（10类）、情感强度、情感复杂度、隐含负面、分析置信度等维度的明细表，支持导出CSV。适合社交媒体舆情中识别反讽和隐性攻击，也适合消费者评论中发现表面好评下的真实不满。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。

用于把缺少标点、句子堆叠的文本还原成结构清楚的句子，判断哪里该断句、哪里该补上中文标点。还原后的句子列表、总句数、平均长度和长短句分布，可用于快速检查文本结构是否清晰，整理爬虫、转写或抓取材料，并为后续摘要、筛句、情感或主题分析准备更稳定的输入。适用于网页抓取文本整理，也适用于评论、论坛和口述转写材料的结构修复。

该方式按行计算，单行建议控制在 200 字内，不适合直接分析整段长文，推荐使用强力清洗后的文本文件。

用于在做下游分析（聚类、主题、情感、摘要等）之前，先给一份文本「体检」——同时从写作 / 编辑视角看规模、句长、词汇丰富度、排版是否规范，从NLP 任务视角判断是否干净到能直接喂给模型用，避免拿低质语料反复跑废算力。

报告分成「文本基础概览」与「NLP 任务适用性体检」两套互不重叠的视角：基础概览给出字数 / 词数 / 句段数、句长分布与 P50 / P90 分位、词汇丰富度三件套（TTR / MTLD / HD-D）、字符构成饼图、全 / 半角标点统计；NLP 体检覆盖重复性（行 / 词 / n-gram 三个粒度）、文本组成、词汇质量、段落与句长结构、信息熵与信息密度等多个维度。

所有维度汇成 0-100 综合质量分与 good / fair / poor 三档评价，并直接判定文档能否作为聚类、LDA、BERTopic、命名实体识别、情感分析、摘要六类任务的合格输入；多文件支持横向汇总表与雷达图对比，每个指标都附算法说明与"什么场景会被误判"的提示。

适合在批量做下游 NLP 分析前先筛掉模板化、噪声、空文件等不可用素材，也适合写作 / 编辑团队检查多版稿件在规模、句长节奏与词汇丰富度上的差异。