Question

我有以下情况。

我有一个页面，我们有一个tinymce编辑器，我们可以粘贴文本。可以选择限制要在编辑器中粘贴的字符或单词。

我有这样的文字

<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>
<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>
<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>
<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>
<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>
<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p><p>

根据SublimeText，长度为342个字。

如果我删除了html标签，Sublime说它长368个字，而MS Word则是379个。

我试图找到一个RegEx来查找除html标签之外的所有单词，以便在我们的系统上使用正确的字数。

到目前为止，我已经尝试了

/[\w\u2019\'-]+/gim

但是这包括HTML标记内的字符，如此处所示

regex101

我也试过

(\s+|>)\w+

哪个越来越近，但这也包括＆gt;作为html实体的一部分的标志，如此处所示

regex101

请记住，我无法在尖括号内替换文本，因为此文本编辑器用于提交科学和医学论文，因此在某些情况下，这些符号＆lt;和＆gt;用于表示法。

Answer 1

TinyMCE的插件实际上存在counts the word of a given text。

这是tinymce/js/tinymce/plugins/wordcount/ 稍微适应的版本，应符合您的目的。

＆＃13;

         toPlainText = function(string) {
    		var tx = string;
    		var tc = 0;
    
    		if (tx) {
    			tx = tx.replace(/\.\.\./g, ' '); // convert ellipses to spaces
    			tx = tx.replace(/<.[^<>]*?>/g, ' ').replace(/&nbsp;|&#160;/gi, ' '); // remove html tags and space chars
    
    			// deal with html entities
    			tx = tx.replace(/(\w+)(&#?[a-z0-9]+;)+(\w+)/i, "$1$3").replace(/&.+?;/g, ' ');
    			tx = tx.replace( /[0-9.(),;:!?%#$?\x27\x22_+=\\\/\-]*/g, ''); // remove numbers and punctuation
    
    			var wordArray = tx.match(/[\w\u2019\x27\-\u00C0-\u1FFF]+/g);
    			if (wordArray) {
    				tc = wordArray.join(" ");
    			}
    
}
    	var div = document.createElement('div');
      div.innerHTML = tc;
      return div.textContent;
    }    
    
    document.write(toPlainText("<p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod<br />tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam,<br />quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo<br />consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse<br />cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non<br />"));

＆＃13;

Answer 2

我会通过将其简化为：

来简化它

var text = "<p>Lorem ipsum</p><p>Lorem ipsum</p><p sdf>Lorem ipsum</p>";

var words = text.replace(/(<([^\s>]+)>)/ig, " ").trim().split(/\s+/).length;

console.log(words); // output: 6

首先使用带有正则表达式的replace删除所有html标记
使用trim
然后split使用正则表达式的所有单词（以便空格不算作单词）

最后你有了多少个单词。

请注意我已使用以下正则表达式替换/(<([^\s>]+)>)/ig：

替换<p>，</p>等标签，而
像（包括空格）的标签不已被替换。

这应该给你一个很好的近似值。

Answer 3

计算单词。

我改进了你的正则表达式以检查单词周围的<>/个字符。

正则表达式： /[^<>/]([\w\u2019\'-]+)(?!\s*\/>)/gmi

Regex101 Demo

Answer 4

 <div id="test">
    <p>foofoofoofoofoo</p>
    <h1>googoogoogoogoogoo</h1>

<script>
    var allText;
    var divElm = document.getElementById('test');
    for (text in divElm.childNodes) {
        allText += divElm.childNodes[text].textContent;
    }
    alert(allText);
</script>

RegEx计算不包含html标签的单词

4 个答案:

计算单词。