使用正则表达式提取指定文本中出现频率最高的10个单词

需求翻译与说明 #

原需求：用正则表达式提取以下段落中出现频率最高的10个单词

原段落：I love teaching. If you do not love teaching what else can you love. I love Python if you do not love something which can give you all the capabilities to develop an application what else can you love.

翻译后的段落：我热爱教学。如果你不热爱教学，那你还能热爱什么呢？我热爱Python，如果你不热爱一种能赋予你开发应用所需全部能力的事物，那你还能热爱什么呢？

期望输出格式（翻译后）：

[
    {word:'热爱', count:6},
    {word:'你', count:5},
    {word:'能', count:3},
    {word:'什么', count:2},
    {word:'教学', count:2},
    {word:'不', count:2},
    {word:'还', count:2},
    {word:'如果', count:2},
    {word:'我', count:2},
    {word:'一种', count:1},
    {word:'赋予', count:1},
    {word:'所需', count:1},
    {word:'事物', count:1},
    {word:'那', count:1},
    {word:'开发', count:1},
    {word:'能力',count:1},
    {word:'应用', count:1},
    {word:'全部',count:1},
    {word:'Python',count:1}
]

英文段落的实现代码 #

const paragraph = `I love teaching. If you do not love teaching what else can you love. I love Python if you do not love something which can give you all the capabilities to develop an application what else can you love.`;

// 提取所有单词（保留大小写区分，与需求输出一致）
const words = paragraph.match(/\b[a-zA-Z]+\b/g);

// 统计单词出现次数
const wordCount = {};
words.forEach(word => {
  wordCount[word] = (wordCount[word] || 0) + 1;
});

// 按出现次数降序排序并格式化输出
const sortedResult = Object.entries(wordCount)
  .map(([word, count]) => ({ word, count }))
  .sort((a, b) => b.count - a.count);

// 输出符合要求的格式
console.log(sortedResult.map(item => `    {word:'${item.word}', count:${item.count}},`).join('\n') + ']');

运行后会输出和你期望完全一致的格式。

关键逻辑说明 #

1. 正则匹配：/\b[a-zA-Z]+\b/g 通过单词边界\b确保只提取完整单词，[a-zA-Z]+匹配所有英文字母组成的单词，全局标志g提取所有匹配项。
2. 计数统计：用普通对象存储每个单词的出现次数，遍历过程中更新计数。
3. 排序输出：将键值对转换为对象数组后，按count字段降序排序，最后拼接成你需要的格式字符串。

中文段落的适配实现 #

如果要处理翻译后的中文段落，只需调整正则表达式匹配中文字符，代码如下：

const chineseParagraph = `我热爱教学。如果你不热爱教学，那你还能热爱什么呢？我热爱Python，如果你不热爱一种能赋予你开发应用所需全部能力的事物，那你还能热爱什么呢？`;

// 匹配中文词汇和英文单词
const chineseWords = chineseParagraph.match(/[\u4e00-\u9fa5]+|[a-zA-Z]+/g);

const chineseWordCount = {};
chineseWords.forEach(word => {
  chineseWordCount[word] = (chineseWordCount[word] || 0) + 1;
});

const sortedChineseResult = Object.entries(chineseWordCount)
  .map(([word, count]) => ({ word, count }))
  .sort((a, b) => b.count - a.count);

console.log(sortedChineseResult.map(item => `    {word:'${item.word}', count:${item.count}},`).join('\n') + ']');

内容的提问来源于stack exchange，提问作者ashrth