นับคำภาษาไทยอย่างไร และทำไมแต่ละโปรแกรมนับได้ไม่เท่ากัน
ภาษาไทยไม่เว้นวรรคระหว่างคำ โปรแกรมจึงต้องตัดสินเองว่าคำหนึ่งเริ่มและจบตรงไหน แต่ละโปรแกรมใช้วิธีและพจนานุกรมต่างกัน จำนวนคำจึงต่างกันได้ ถ้างานมีเกณฑ์จำนวนคำ ให้ตรวจด้วยโปรแกรมเดียวกับผู้ตรวจ
เผยแพร่ 4 พฤศจิกายน 2569
ทำไมการนับคำภาษาไทยจึงไม่ง่าย
ในภาษาอังกฤษ คำแต่ละคำถูกคั่นด้วยช่องว่าง โปรแกรมจึงนับคำได้ง่าย ๆ ด้วยการนับกลุ่มตัวอักษรระหว่างช่องว่าง แต่ภาษาไทยเขียนคำติดกันเป็นพืด และใช้ช่องว่างคั่นวลีหรือประโยคแทน ช่องว่างหนึ่งช่องในข้อความไทยจึงอาจมีคำอยู่ข้างหน้าหลายคำ
โปรแกรมที่นับคำภาษาไทยจึงต้อง “ตัดคำ” ก่อน คือหาว่าคำหนึ่งจบตรงไหน ซึ่งบางครั้งแม้แต่คนก็ตัดได้มากกว่าหนึ่งแบบ ตัวอย่างคลาสสิกคือ “ตากลม” ที่อ่านได้ทั้ง ตา + กลม (ดวงตากลม) และ ตาก + ลม (ออกไปรับลม) ความหมายขึ้นอยู่กับบริบท ซึ่งโปรแกรมไม่ได้เข้าใจเสมอไป
อีกปัญหาหนึ่งคือคำประสม “โทรศัพท์มือถือ” ควรนับเป็น 1 คำ 2 คำ หรือ 3 คำ? ไม่มีคำตอบเดียวที่ทุกโปรแกรมใช้ร่วมกัน ขึ้นอยู่กับว่าพจนานุกรมของโปรแกรมนั้นเก็บคำไว้อย่างไร
วิธีนับคำที่โปรแกรมต่าง ๆ ใช้
นับตามช่องว่าง
โปรแกรมนับคำแบบง่าย ๆ บางตัวนับเฉพาะช่องว่าง ซึ่งใช้ได้ดีกับภาษาอังกฤษ แต่กับภาษาไทยจะได้จำนวน “วลี” มากกว่าจำนวนคำ เช่น “สวัสดีครับ ผมชื่อสมชาย” จะนับได้แค่ 2 ถ้าโปรแกรมที่คุณใช้ให้ตัวเลขต่ำผิดปกติกับข้อความไทย มักเป็นเพราะวิธีนี้
ตัดคำด้วยพจนานุกรม
โปรแกรมส่วนใหญ่ที่รองรับภาษาไทย รวมถึง Microsoft Word และเบราว์เซอร์ ใช้พจนานุกรมคำไทยร่วมกับกฎหรืออัลกอริทึมเลือกวิธีแบ่งที่เหมาะที่สุด ผลจึงขึ้นอยู่กับว่าพจนานุกรมมีคำอะไรบ้าง ถ้าพจนานุกรมหนึ่งมีคำว่า “มือถือ” แต่อีกพจนานุกรมไม่มี สองโปรแกรมก็จะนับ “โทรศัพท์มือถือ” ได้ไม่เท่ากัน และแม้แต่โปรแกรมเดียวกันก็อาจให้ผลเปลี่ยนไปเมื่ออัปเดตเวอร์ชัน
ตัวตัดคำแบบเรียนรู้ของเครื่อง
เครื่องมือประมวลผลภาษาไทยบางตัวใช้โมเดลที่เรียนรู้จากคลังข้อความที่มีคนตัดคำไว้แล้ว ผลจึงสะท้อนหลักการตัดคำของคลังข้อความนั้น ไลบรารีอย่าง PyThaiNLP มีตัวตัดคำให้เลือกหลายแบบ และแต่ละแบบอาจตัดข้อความเดียวกันได้ต่างกัน
ตัวอย่าง: ข้อความเดียวกัน นับได้หลายแบบ
ตารางนี้เทียบการนับตามช่องว่างกับผลของ CountWords ซึ่งใช้ตัวตัดคำ ICU ในเบราว์เซอร์ (ทดสอบกับ ICU แบบเดียวกับที่ Chrome ใช้ ณ วันที่เขียน ผลอาจต่างไปตามเบราว์เซอร์และเวอร์ชัน)
| ข้อความ | นับตามช่องว่าง | CountWords | วิธีแบ่งอื่นที่เป็นไปได้ |
|---|---|---|---|
| สวัสดีครับ ผมชื่อสมชาย | 2 | 5 (สวัสดี/ครับ/ผม/ชื่อ/สมชาย) | 6 ถ้าแยก สม/ชาย |
| นักเรียนไปโรงเรียน | 1 | 3 (นักเรียน/ไป/โรงเรียน) | 5 ถ้าแยก นัก/เรียน และ โรง/เรียน |
| โทรศัพท์มือถือ | 1 | 3 (โทรศัพท์/มือ/ถือ) | 2 ถ้านับ มือถือ เป็นคำเดียว |
| ภาษาไทย | 1 | 2 (ภาษา/ไทย) | 1 ถ้านับเป็นคำประสมคำเดียว |
| ประเทศไทย | 1 | 1 | 2 (ประเทศ/ไทย) |
| แม่น้ำเจ้าพระยา | 1 | 2 (แม่น้ำ/เจ้าพระยา) | 1 ถ้านับเป็นชื่อเฉพาะ |
สังเกตว่า “ภาษาไทย” ถูกแบ่งเป็น 2 คำ แต่ “ประเทศไทย” กลับเป็น 1 คำ เพราะพจนานุกรมเก็บ “ประเทศไทย” ไว้เป็นคำเดียว นี่คือตัวอย่างที่ชัดว่าผลการนับขึ้นอยู่กับพจนานุกรม ไม่ใช่กฎไวยากรณ์ตายตัว
CountWords นับคำไทยอย่างไร
- ข้อความไทย ตัดคำด้วย Intl.Segmenter ซึ่งเป็นตัวตัดคำที่มีพจนานุกรมไทยอยู่ในเบราว์เซอร์ แล้วนับเฉพาะส่วนที่เป็นคำ ไม่นับช่องว่างและเครื่องหมายวรรคตอน
- ภาษาอังกฤษและตัวเลข นับตามกฎของ Microsoft Word: ทุกอย่างระหว่างช่องว่างที่มีตัวอักษรหรือตัวเลขนับเป็น 1 คำ เช่น “ฉันชอบ iPhone 16 มาก” นับได้ 5 คำ (ฉัน/ชอบ/iPhone/16/มาก)
- ไม้ยมก ถ้าเขียนเว้นวรรคหน้าและหลังตามหลักการเว้นวรรคของราชบัณฑิตยสถาน เช่น “เด็ก ๆ เล่นกัน” ไม้ยมกจะถูกนับเป็นอีก 1 คำ ได้ 4 คำ แต่ถ้าเขียนติดกันเป็น “เด็กๆเล่นกัน” จะได้ 3 คำ
- อีโมจิและเครื่องหมาย ที่อยู่เดี่ยว ๆ ไม่นับเป็นคำ แต่นับในจำนวนตัวอักษร
เพราะพจนานุกรมของเบราว์เซอร์ต่างจากของ Word ตัวเลขของเราจึงอาจต่างจาก Word ไม่กี่คำในข้อความยาว ๆ โดยเฉพาะถ้ามีคำประสม ชื่อเฉพาะ หรือคำทับศัพท์มาก
ถ้าต้องส่งงานตามจำนวนคำ ควรทำอย่างไร
- ถามว่าผู้ตรวจใช้โปรแกรมอะไร ถ้าอาจารย์หรือผู้จ้างงานนับด้วย Word ให้ตรวจด้วย Word ก่อนส่ง เพราะนั่นคือตัวเลขที่จะถูกใช้จริง
- เผื่อไว้เล็กน้อย ถ้ามีเกณฑ์ขั้นต่ำหรือขั้นสูง อย่าเขียนให้พอดีเป๊ะ เพราะโปรแกรมอื่นอาจนับต่างไปไม่กี่คำ
- ใช้จำนวนตัวอักษรหรือจำนวนหน้าถ้ากำหนดเองได้ สำหรับงานภาษาไทย การกำหนดความยาวเป็นตัวอักษรหรือหน้ามักให้ผลคงที่กว่า แต่ตัวอักษรก็มีสองแบบให้ระวัง คือตัวอักษรที่เห็นบนจอ กับโค้ดพอยต์ Unicode ที่นับสระและวรรณยุกต์แยก
- นับเฉพาะส่วนที่ต้องนับ ถ้าเกณฑ์ไม่รวมชื่อเรื่อง บรรณานุกรม หรือภาคผนวก ให้เลือกเฉพาะเนื้อหาส่วนนั้นในตัวนับ ระบบจะแสดงจำนวนคำของส่วนที่เลือก
จำนวนคำส่งผลถึงเวลาอ่านด้วย
เวลาอ่านและเวลาพูดในตัวนับของเราคำนวณจากจำนวนคำ ถ้าโปรแกรมตัดคำได้มากหรือน้อยลง เวลาที่คำนวณได้ก็เปลี่ยนตาม ค่าเริ่มต้นของการอ่านในใจคือ 238 คำต่อนาที ซึ่งเป็นค่าเฉลี่ยของภาษาอังกฤษ เพราะเรายังไม่พบเกณฑ์ที่เผยแพร่สำหรับภาษาไทย ส่วนเวลาพูดใช้ 134 คำต่อนาทีจากงานวิจัยที่ให้ผู้ใหญ่อ่านประโยคสั้นภาษาไทยออกเสียง ทั้งสองค่าปรับได้ในแผงสถิติ
วางข้อความลงในตัวนับด้านล่างเพื่อดูจำนวนคำ ตัวอักษร ประโยค และเวลาอ่านได้ทันที ข้อความทั้งหมดประมวลผลในเบราว์เซอร์ของคุณ ไม่ถูกอัปโหลด