复原高中入试·笔试表面词形

2026-09-21 复原的公立高校入试笔试 PDF 文本层表面词形计数；仅计入 pypdf 与 PyMuPDF 频表完全一致的材料。

统计范围

目前仅青森县2024笔试可计（1,946 词元 / 474 casefold 词形）。北海道2023文本层损坏、岐阜2025乱码、爱知2025/2026为扫描件，均为 partial 且 token_count=null，不产生观测、不填零。

统计口径

  • 记录行数474
  • 词头数474
  • 材料登记数5
  • 完整纳入材料1
  • 部分纳入材料4
  • 纳入口径词次1,946
  • 完整纳入词次1,946

口径说明：observations 与 materials 是登记行数，不代表独立语料总量；tokens 为纳入材料（included+partial）的 token 合计，includedTokens 仅计 status=included 的完整材料；excluded 材料不计入 token。校对或来源许可待核的馆藏不进入全站观察与材料合计，该馆藏的观察数量与词头数量记为未知。

前 5 条公开记录

  1. a · 2024 · 青森県 · token_freq: 48
  2. about · 2024 · 青森県 · token_freq: 27
  3. adventure · 2024 · 青森県 · token_freq: 8
  4. after · 2024 · 青森県 · token_freq: 3
  5. ago · 2024 · 青森県 · token_freq: 1