readabilityes

🇪🇸 Introducción (Español)

readabilityes ofrece herramientas para tokenizar, segmentar y medir la legibilidad de textos en español. Incluye:

• Segmentación de oraciones respetando abreviaturas (p. ej., Sr., Dra.), iniciales (J. R. R.), elipsis y decimales.
• Tokenización de palabras con control de minúsculas, tildes, puntuación, guiones, números y símbolos/emoji.
• Conteos básicos: palabras, oraciones, sílabas (aprox. ES).
• Métricas promedio por palabra (sílabas/letras/caracteres).
• Índices de legibilidad usados en español:
  • Szigriszt–Pazos (szigriszt_pazos()).
  • INFLESZ (inflesz(), devuelve puntaje + categoría).
  • Gutiérrez de Polini (gutierrez_de_polini()).

Instalación

Versión de desarrollo desde GitHub:

# install.packages("devtools")
devtools::install_github("JFormoso/readabilityes")

Ejemplo rápido

txt <- c(
  "Hola. ¿Cómo estás? ¡Todo bien!",
  "La legibilidad facilita la comprensión del texto por parte de las personas lectoras."
)

# Oraciones y palabras
segment_sentences(txt)
#> [[1]]
#> [1] "Hola."        "¿Cómo estás?" "¡Todo bien!" 
#> 
#> [[2]]
#> [1] "La legibilidad facilita la comprensión del texto por parte de las personas lectoras."
count_sentences(txt, drop_empty = TRUE)
#> [1] 3 1
tokenize_words(txt)
#> [[1]]
#> [1] "hola"  "cómo"  "estás" "todo"  "bien" 
#> 
#> [[2]]
#>  [1] "la"          "legibilidad" "facilita"    "la"          "comprensión"
#>  [6] "del"         "texto"       "por"         "parte"       "de"         
#> [11] "las"         "personas"    "lectoras"

# Sílabas y promedios
count_syllables(txt)
#> [1]  9 28
avg_syllables_per_word(txt)
#> [1] 1.800000 2.153846

# Índices de legibilidad
szigriszt_pazos(txt)
#> [1] 93.02833 59.65038
inflesz(txt)                 
#>      score  category
#> 1 93.02833 Muy fácil
#> 2 59.65038    Normal
gutierrez_de_polini(txt)
#> [1] 77.15667 69.75769

---

🇬🇧 Introduction (English)

readabilityes provides tools to tokenize, segment, and assess readability for Spanish-language texts. It includes:

• Sentence segmentation that respects abbreviations (e.g., Sr., Dra.), initials (J. R. R.), ellipses, and decimals.
• Word tokenization with controls for lowercasing, accents, punctuation, hyphens, numbers, and symbols/emoji.
• Basic counts: words, sentences, syllables (approx. ES).
• Per-word averages (syllables/letters/characters).
• Readability indices commonly used in Spanish:
  • Szigriszt–Pazos (szigriszt_pazos()).
  • INFLESZ (inflesz(), returns score + category).
  • Gutiérrez de Polini (gutierrez_de_polini()).

Installation

Install the development version from GitHub:

# install.packages("devtools")
devtools::install_github("JFormoso/readabilityes")

Quick example

txt <- c(
  "Hola. ¿Cómo estás? ¡Todo bien!",
  "La legibilidad facilita la comprensión del texto por parte de las personas lectoras."
)

# Sentences and words
segment_sentences(txt)
#> [[1]]
#> [1] "Hola."        "¿Cómo estás?" "¡Todo bien!" 
#> 
#> [[2]]
#> [1] "La legibilidad facilita la comprensión del texto por parte de las personas lectoras."
count_sentences(txt, drop_empty = TRUE)
#> [1] 3 1
tokenize_words(txt)
#> [[1]]
#> [1] "hola"  "cómo"  "estás" "todo"  "bien" 
#> 
#> [[2]]
#>  [1] "la"          "legibilidad" "facilita"    "la"          "comprensión"
#>  [6] "del"         "texto"       "por"         "parte"       "de"         
#> [11] "las"         "personas"    "lectoras"

# Syllables and averages
count_syllables(txt)
#> [1]  9 28
avg_syllables_per_word(txt)
#> [1] 1.800000 2.153846

# Readability indices
szigriszt_pazos(txt)
#> [1] 93.02833 59.65038
inflesz(txt)                  
#>      score  category
#> 1 93.02833 Muy fácil
#> 2 59.65038    Normal
gutierrez_de_polini(txt)
#> [1] 77.15667 69.75769