JavaScript正则词频统计：匹配单词内撇号、排除首尾撇号支持重音字符

核心思路是通过正则直接捕获单词的有效部分，自动忽略首尾撇号，同时保留单词内部的撇号，兼容带变音符号的字符。

正则说明 #

你可以使用以下正则结构实现需求：

'*([A-Za-zÀ-ÖØ-öø-ÿ]+(?:['’][A-Za-zÀ-ÖØ-öø-ÿ]+)*)'*

各部分逻辑：

• 首尾的'*匹配单词前后任意数量的撇号，不纳入最终有效单词内容
• 捕获组()内是我们需要的有效单词：
  • [A-Za-zÀ-ÖØ-öø-ÿ]+ 匹配至少1个合法字符（包含英文字母和带变音符号的字符）
  • (?:['’][A-Za-zÀ-ÖØ-öø-ÿ]+)* 是非捕获组，匹配「撇号+合法字符」的组合，允许出现0次或多次，保证撇号只会出现在两个合法字符中间，不会出现在单词首尾

完整实现代码 #

const countWords = (text) => {
  const letterRange = 'A-Za-zÀ-ÖØ-öø-ÿ'
  const wordRegex = new RegExp(`'*([${letterRange}]+(?:['’][${letterRange}]+)*)'*`, 'g')
  const counts = {}
  let match

  while ((match = wordRegex.exec(text)) !== null) {
    // 如果需要区分大小写统计，删除.toLowerCase()即可
    const word = match[1].toLowerCase()
    counts[word] = (counts[word] || 0) + 1
  }
  return counts
}

// 测试用例
const testText = "it's a 'miracle' of nature"
console.log(countWords(testText))
// 输出：{ "it's": 1, a: 1, miracle: 1, of: 1, nature: 1 }

效果验证 #

对于你给出的测试文本it's a 'miracle' of nature，会正确统计为5个单词，'miracle'自动移除首尾撇号为miracle，it's保留内部撇号作为完整单词，完全符合预期。

内容的提问来源于stack exchange，提问作者Rodrigo