什么是文本可读性？
文本可读性是衡量一段文字对于普通读者来说有多容易理解的指标。它不评估内容的正确性、逻辑性或语法错误，而是专注于文本的结构复杂性。通常，影响可读性的两大核心因素是句子长度和单词复杂度（通常以音节数衡量）。
句子越长、包含的从句越多，读者需要处理的信息就越多，理解难度也随之增加。同样，由许多长单词或专业术语组成的文本也会让阅读变得吃力。可读性公式正是通过量化这两个因素，为文本给出一个客观的分数，帮助作者评估其写作是否符合目标读者的阅读水平。
如何解读不同的可读性评分？
本工具集成了多种国际通用的可读性计算公式，如 Flesch Reading Ease、Gunning Fog 指数等。您可能会发现，同一段文本在不同公式下的得分不尽相同。这是因为每种公式对句子长度和单词复杂度的权重计算方式略有差异。例如，Flesch-Kincaid Grade Level 会直接给出一个对应美国教育体系的年级水平，而 Flesch Reading Ease 则是一个百分制分数，分数越高代表越容易阅读。
我们建议您不要执着于某一个单一的数字，而应将这些分数视为一个综合性的参考。如果多个指数都显示您的文本难以阅读，那就说明它确实有优化的空间。更重要的是，关注工具高亮出的“难懂句”，它们是您修改的重点。
如何有效利用本工具提升写作？
可读性工具是写作的辅助，而非最终裁判。我们的目标不是为了追求一个完美的“分数”，而是为了写出更清晰、更有影响力的内容。首先，将您的草稿粘贴到文本框中，查看整体评分。然后，仔细检查下方列出的“值得重写”的句子。这些句子要么过长，要么包含了太多复杂的词语。
问问自己：这个长句是否可以拆分成两个或三个更短的句子？这个复杂的专业术语是否可以用一个更通俗的词来代替，而不会损失核心含义？通过有针对性地修改这些句子，您通常可以显著提高文章的整体可读性。最重要的是，所有分析都在您的浏览器本地完成，您的任何文字内容都不会被上传到服务器，隐私安全有充分保障。
How syllables are counted
By rule, not by dictionary. English spelling stopped tracking pronunciation centuries ago — "shed" and "shred" are both one syllable, "shredded" is two, and no pattern predicts all three. The rules here agree with a dictionary on roughly nineteen words in twenty, with a list of common exceptions on top.
So a grade level is accurate to about a grade either way. Treating 8.2 and 8.6 as meaningfully different is false precision, and any tool that implies otherwise is overstating what these formulas can do.
常见问题
为什么不同的公式会给出不同的可读性分数？
因为每种公式（如 Flesch-Kincaid、Gunning Fog）都使用独特的数学方程。它们都考虑句子长度和单词复杂度，但对这些因素的权重不同。因此，同一文本得出略有差异的等级或分数是正常的，这反映了它们各自的分析侧重点。
什么才是“好”的可读性分数？
这完全取决于您的目标受众。对于普通大众，通常建议 Flesch Reading Ease 分数在 60-70 之间（相当于美国 8-9 年级水平）。而对于专业或学术领域的读者，较低的分数（更高的年级水平）也是完全可以接受的。
我应该为了达到某个分数而重写我的文章吗？
不必如此。分数只是一个参考，而不是硬性规定。与其追求特定数字，不如关注工具高亮标出的复杂句子。利用这些提示来简化语言、拆分长句，但始终要以准确传达原意为首要目标。
我的文字内容会被发送到服务器吗？
绝对不会。ToolMole 的所有工具都在您的浏览器内运行。所有文本分析和评分都在您自己的设备上完成，您的任何内容都不会被上传或存储。我们看不到您的文本，您的隐私是完全安全的。
需要多少文字才能获得可靠的分数？
对于大多数公式，建议至少使用 100 个单词和 5 个句子的样本以获得稳定分数。SMOG 指数则需要至少 30 个句子。过短的文本可能会产生误导性结果，因此最好分析一个完整的章节或文章。
这个工具是如何在没有字典的情况下计算音节的？
本工具使用一种基于规则的算法（启发式方法）来估算英文单词的音节数。它通过识别元音模式并应用常见的英语语音规则及一个例外列表来工作。这种方法速度快且可离线运行，但它是一种近似计算，可能无法对每个单词都做到 100% 精确。
发现问题或有改进建议？ 告诉我们