可读性检查

使用多种评分系统分析文本可读性。获取详细见解和建议以改善内容可访问性。

定义: Flesch 易读性分数为 206.835 − 1.015 ×（每句词数）− 84.6 ×（每词音节数）；60–70 分大致对应美国 8–9 年级水平的平实英语。

Flesch（1948），《应用心理学杂志》最后更新: 2026-09

文本输入

VSCode 编辑器模式主题

Start typing to see real-time analysis 0 个字符

实时分析就绪

在编辑器中输入文字，即时查看可读性分析

你将获得

Flesch Reading Ease Score (0-100)

Flesch-Kincaid Grade Level

Gunning Fog Index

Coleman-Liau & ARI Scores

SMOG Readability Index

可执行的优化建议

Score

等级：无

输入要分析的文本

全部可读性评分

Flesch Reading

Gunning Fog

SMOG Index

Coleman-Liau

文本概览

词数

Sentences

Syllables

Avg Word

如何使用可读性检查器

输入文本

输入、粘贴或上传要分析的内容

实时评分

边输入边查看可读性指标实时更新

查看分析

获取多种算法的详细评分

优化内容

应用建议以提升可读性

理解可读性评分

什么是可读性？

可读性用于衡量一段文字对读者来说是容易理解还是较难理解。它会综合句子长度、词汇复杂度和音节数量等因素。

• Flesch Reading Ease: 0-100 scale (higher = easier)
• Flesch-Kincaid Grade: US school grade level
• Gunning Fog: Years of education needed
• Coleman-Liau: Character-based formula

可读性为何重要

良好的可读性能提升用户停留和理解效果，也有助于 SEO，让内容更容易被更广泛的读者接受。

• SEO Benefits: Better user engagement signals
• Accessibility: Inclusive content for all readers
• Engagement: Readers stay longer on easy-to-read content
• Conversion: Clear writing drives action

Flesch 易读度分数解读

由 Rudolf Flesch(1948 年)提出的经典 0–100 分制。分数越高越易读。

Score	可读性	年级水平	典型受众
90–100	非常易	5 年级	儿童读物、简单营销文案
80–90	简单	6 年级	通俗小说、大众消费内容
70–80	较简单	7 年级	杂志、大多数博客文章
60–70	简明英语	8–9 年级	报纸、一般网页内容
50–60	较难	10–12 年级	商务与技术写作
30–50	困难	大学	学术论文、法律文件
0–30	非常难	大学毕业生	学术期刊、法学评论

算法对比

Flesch 易读度 —— 206.835 − 1.015 × (词数/句子数) − 84.6 × (音节数/词数)。分数越高越易读。最适合快速评估大众读者的阅读难度。

Flesch-Kincaid Grade Level —— 0.39 × (词数/句子数) + 11.8 × (音节数/词数) − 15.59。直接输出美国学校年级。广泛应用于教育界和军方。

Gunning Fog Index —— 0.4 × ((词数/句子数) + 100 × (复杂词数/词数)),其中"复杂词"指 3 个及以上音节的词(专有名词除外)。侧重量长词的影响。

Coleman-Liau 指数 —— 0.0588 × 每 100 词字母数 − 0.296 × 每 100 词句子数 − 15.8。按字符而非音节计数,因此在自动化处理中更可靠。

按内容类型划分的目标分数

• 网页文案与落地页: Flesch 60–80,相当于 7–9 年级——访客只是扫读,不会精读
• 新闻与博客: Flesch 50–70——语言平实,同时可容纳领域术语
• 技术文档: Flesch 40–60 可以接受;结构的清晰度比分数本身更重要
• 学术与法律： Flesch 30–50 属正常范围,但务必审视这样的密度是否有必要
• 营销与 UX 文案: 目标 Flesch 70 以上;每提高一个年级水平都会增加读者的负担

实时分析

输入时可读性评分即时更新，并提供实时反馈。

多种算法

使用 Flesch-Kincaid、Gunning Fog、Coleman-Liau 等多种指标进行全面分析。

100% 隐私

所有分析均在您的浏览器中完成。您的文本绝不会离开您的设备。