如何在Google Sheets中提取段落词汇并按使用频次排序统计？

直接在B1单元格输入以下数组公式，即可自动生成B列的词汇列表（按频次降序）和C列的对应次数：

=LET(
  原始文本, TEXTJOIN(" ", TRUE, A1:A25),
  所有单词, SPLIT(REGEXREPLACE(LOWER(原始文本), "[^a-zA-Z\s]", ""), " "),
  停用词, {"he","she","it","of","from","at","to","the","a","an"},
  过滤后单词, FILTER(所有单词, NOT(ISNUMBER(MATCH(所有单词, 停用词, 0))), 所有单词 <> ""),
  唯一单词, UNIQUE(过滤后单词),
  频次, COUNTIF(过滤后单词, 唯一单词),
  排序结果, SORT(HSTACK(唯一单词, 频次), 2, FALSE),
  排序结果
)

公式说明 #

• LET：定义变量简化公式结构，便于理解和修改
• 原始文本：合并A1:A25区域的所有文本内容
• 所有单词：将文本统一转为小写，移除标点符号后按空格拆分出所有单词
• 停用词：自定义需要排除的词汇列表，可直接在数组中添加/删除停用词
• 过滤后单词：剔除停用词和空字符串，只保留有效词汇
• 唯一单词：提取过滤后的不重复词汇
• 频次：统计每个唯一词汇的出现次数
• 排序结果：将词汇与频次合并为两列数据，按频次从高到低排序（若需按词汇升序，可在SORT中添加第三参数1, TRUE）

注意事项 #

• 输入公式后，Google Sheets会自动填充B、C列的结果，无需手动下拉
• 若文本包含连字符、下划线等特殊格式词汇，可调整REGEXREPLACE的正则规则，例如保留连字符可改为"[^a-zA-Z\s-]"

内容的提问来源于stack exchange，提问作者Victor Enrich