Analizador de textos en chino

La cobertura no cuenta caracteres distintos: cuenta apariciones. Los caracteres frecuentes del chino se repiten muchísimo —你, 我, 的, 是 y 不 salen en casi cualquier frase—, así que un texto puede tener cuarenta caracteres distintos, que solo conozcas veintiocho y que aun así llegue al 80 % de cobertura. El porcentaje mide qué parte del texto te resulta transparente al leerlo, que es lo que de verdad decide si puedes con él.

Las cifras de referencia ayudan a interpretarlo. Por encima del 98 % se lee de corrido y el diccionario casi no hace falta. Alrededor del 95 % se lee con un esfuerzo razonable y se adivina bastante por contexto. Por debajo del 90 % el texto deja de ser lectura y pasa a ser material de estudio: se puede trabajar, pero frase a frase y con ayuda.

Un 80 % suena bien y no lo es tanto: significa que uno de cada cinco caracteres te para. Saberlo antes de empezar es justo lo que evita elegir mal el texto y abandonarlo a los tres párrafos.

El error más caro de los dos primeros años es estudiar listas de palabras sin mirar de qué caracteres están hechas. 中国人 es una palabra y tres caracteres; 服务员 es otra palabra y otros tres. Memorizadas sueltas son dos cosas. Vistas por piezas son 中, 国, 人, 服, 务 y 员, y cinco de esas seis reaparecen en decenas de palabras más.

Esta herramienta cuenta caracteres a propósito. No segmenta en palabras y no lo pretende: la segmentación automática se equivoca justo donde más molesta, en los nombres propios y en las palabras que todavía no conoces. Contando caracteres el recuento es exacto y, además, el carácter es la unidad que te sirve para estudiar.

Lo que sí conviene es leer la lista sabiendo que un carácter aislado puede no significar nada por sí solo en chino moderno. 服 y 务 casi no aparecen sueltos; juntos son «servicio». La definición que ves es la del carácter, no la de la palabra que forma con el de al lado.

Copia la lista de los que faltan y míralos antes de leer, no mientras lees. Parar cada tres líneas a buscar un carácter rompe la lectura y no fija nada. Diez caracteres nuevos son una sesión razonable; treinta no lo son, y lo sensato entonces es cambiar de texto y volver a este dentro de un mes.

Dentro de los que faltan, no todos valen lo mismo. Los que aparecen tres o cuatro veces en el texto se te van a quedar solos al leerlo; los que aparecen una sola vez y no llevan ningún radical reconocible pueden esperar. El número de apariciones de cada carácter está ahí justamente para eso.

Y antes de memorizar el trazo, mira la pieza. Muchos caracteres «nuevos» son un radical que ya conoces más un componente fonético que ya has visto: 啤 es 口 «boca» más 卑, y suena pí. Reconocerlo convierte veinte caracteres sueltos en cuatro o cinco familias.

Si la cobertura de lo que quieres leer se queda por debajo del 85 %, el atajo no es esforzarse más: es leer otra cosa durante unas semanas. Los diálogos con audio y el vocabulario por temas de esta web están escritos justo en esa franja y sirven de rampa.

Un método que funciona: elige tres textos de temas distintos, analízalos y quédate con el que tenga la cobertura más alta de los tres. Léelo dos veces —la primera con la lista de los que faltan delante, la segunda sin nada— y pasa al siguiente. En dos meses la diferencia se nota en el porcentaje, sin haber contado ni una sola palabra memorizada.