最轻量可靠的方式是用 document.body.innerText 获取纯文本，它自动过滤隐藏元素、合并空白符，比 textContent 更贴近用户实际阅读效果；后续需按中英文特点分词统计，并用 Map 存储频次。
直接用 document.body.innerText 获取纯文本，再按需切分统计——这是最轻量、最可靠的方式，不依赖外部库，也不怕标签嵌套或动态内容干扰。
用 innerText 提取文本比 textContent 更贴近真实阅读效果
innerText 会忽略 script、style、不可见元素（如 display: none）里的内容，且自动合并空白符、换行符，结果更接近用户实际看到的文本。而 textContent 是“原样吐出”所有文本节点，包括注释、隐藏元素内的文字，容易混入噪声。
- 如果页面有大量隐藏区块或广告脚本，
innerText能天然过滤掉它们 - 对中文段落，
innerText自动处理换行和缩进，避免手动.replace(/\s+/g, ' ') - 注意：
innerText是只读属性，不能赋值；它在 iframe 跨域时可能返回空字符串
按字/词统计时，切分逻辑决定结果是否合理
HTML 文本提取后是字符串，怎么切，直接影响统计意义。英文可按空格+标点拆，中文必须用分词工具，否则单字统计毫无语义。
anything-to-html
下载
将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。
- 统计单字（适合字符频率分析）：
text.split('')，但要先.replace(/[\s\uFEFF\xA0]+/g, '')去掉空白 - 统计中文词（推荐）：引入
jieba-js或服务端分词，前端直接用正则text.match(/[\u4e00-\u9fa5]+/g)只取连续汉字（简单但漏掉数字、英文混合词） - 统计英文单词：用
text.toLowerCase().match(/\b[a-z]+\b/g)，\b确保边界准确，避免匹配到邮箱或路径中的字母串
Map 比对象字面量更适合做频次统计
用 Map 存储词→次数映射，能保留原始类型（比如数字 123 和字符串 "123" 不会冲突），也支持任意键（包括对象、函数），遍历顺序稳定。
立即学习“前端免费学习笔记（深入）”；
- 初始化：
const freq = new Map() - 更新：
freq.set(word, (freq.get(word) || 0) + 1) - 取最高频：
[...freq.entries()].reduce((a, b) => a[1] > b[1] ? a : b) - 别用
{}直接当哈希表——遇到__proto__、constructor这类属性名会出问题
真正难的不是提取或计数，而是定义“什么是有效文本”：要不要保留表格中的数字？要不要跳过页脚版权行？这些业务规则没法靠通用 API 解决，得在 innerText 后加一层 DOM 定位过滤，比如先 document.querySelector('main')?.innerText 或排除 footer 元素。
