工作原理
Gunning Fog 指数由 Robert Gunning 创立，用于识别不必要"模糊"或难懂的文本。
它结合平均句长与"复杂"词（3+ 音节）的比例，排除专有名词、熟悉的复合词以及由常见后缀（-ed、-es、-ing）变长的词。
12 分对应高中毕业水平。Time 和 Newsweek 通常在 11 左右。
可读性评分 EN only
Gunning Fog Index Calculator
Gunning Fog 指数估算理解一段文本所需的正规教育年数。
未针对 简体中文 设计
该工具针对英语（和一些相近语言）校准。简体中文 的结果可能不准确。
何时使用
当目标是清晰的商业写作时使用——Robert Gunning 为需要快速捕捉行话的编辑创立。评估财务报告、法律摘要和企业沟通时特别有用，因为多音节词常在不知不觉中溜进去。
与其他指标对比
Gunning Fog 与 SMOG 都惩罚多音节词，但 SMOG 使用平方根缩放，更保守。相比 Flesch–Kincaid，Fog 对词汇更严、对句长更宽。商业用 Fog；健康用 SMOG。
0 chars
常见问题
Gunning Fog 中的复杂词是什么？
3 个或更多音节的词，排除专有名词、熟悉的复合词（如 "everywhere"）以及通过常见后缀（-ed、-es、-ing）变长的词。
该瞄准多少分？
面向公众瞄准 12 以下。超过 16 被视为非常难读。
Gunning Fog 适用于商业写作吗？
是的。Robert Gunning 专门为商业写作和新闻写作推广了 Fog 指数。
示例
输入
The implementation requires consideration of consistency, observability, and serialization.
输出
Gunning Fog Index：18.4 — 难（研究生）。
11 词中有 4 个是 3+ 音节。Fog 将复杂词率乘以 100 再加平均句长，因此密集词汇主导分数。
常见陷阱
- 将所有 3+ 音节的词都视为"复杂"，即使是非常熟悉的词（如 "actually"、"interesting"）。
- 专有名词和常见后缀（-ed、-es、-ing）本应被排除；并非所有实现都遵守。
- 一句包含许多复杂词的句子可以将小样本推至误导性高分。
- 一味追求低 Fog 可能产生支离破碎、过于简化、丧失精度的文本。