Как посчитать слова в строке на JavaScript — и почему split(" ") врёт

Ты делаешь форму «Расскажи о себе, до 300 слов» и просишь ИИ добавить счётчик. Он пишет одну строку:
const words = text.split(" ").length
Выглядит логично. Открываешь форму — поле пустое, а счётчик показывает 1 слово. Набираешь «Привет — мир» — показывает 3. Ставишь два пробела подряд — слов становится больше, хотя ты ничего не дописал.
Давай соберём счётчик, который не врёт. Четыре шага, в конце — готовая функция.
Шаг 1. Пойми, почему split(" ") ошибается
split(" ") режет строку по каждому пробелу. Ровно по одному. И честно возвращает всё, что получилось между ними — даже пустоту.
- Пустая строка:
"".split(" ")даёт[""]. Массив из одного пустого элемента — длина 1. - Два пробела подряд: между ними пустой кусок, он тоже считается.
- Перенос строки — не пробел. «конец\nначало» станет одним словом.
- Тире стоит отдельно между пробелами, поэтому «—» засчитывается как слово.
Проверка на живом тексте: в строке « Кто-то написал «привет» — и 3,5 млн людей ответили!» с переносом и ещё парой слов наивный способ насчитал 13 слов. Настоящих там 10.
Шаг 2. Убери пустоту: trim и любые пробелы
Первое улучшение — резать не по одному пробелу, а по любой пачке пробельных символов. И отрезать пробелы по краям.
function countWords(text) {
const trimmed = text.trim()
if (trimmed === "") return 0
return trimmed.split(/\s+/).length
}
Что тут происходит:
trim()убирает пробелы и переносы в начале и в конце.- Пустую строку обрабатываем отдельно — иначе снова получим 1.
/\s+/значит «один или больше пробелов, табов или переносов подряд». Два пробела теперь — один разрез.
Уже намного лучше. Но тире и одинокие кавычки всё ещё считаются словами.
Шаг 3. Считай слова, а не промежутки
Перевернём подход. Вместо «режь по пробелам» скажем: «найди все слова». Словом считаем буквы и цифры подряд. Дефис, апостроф, точку или запятую внутри — тоже, чтобы «кто-то», «it’s» и «3,5» не разваливались.
const WORD = /[\p{L}\p{N}]+(?:[-’'.,][\p{L}\p{N}]+)*/gu
function countWords(text) {
return (text.match(WORD) || []).length
}
Разберём регулярку по кусочкам:
\p{L}— любая буква любого алфавита: русская, латинская, греческая.\p{N}— любая цифра.(?:[-’'.,]...)*— можно продолжить слово через дефис, апостроф, точку или запятую, если после них снова буквы.- Флаг
uвключает Юникод, без него\p{...}не работает. Флагg— искать все совпадения, а не первое.
|| [] нужен, потому что match без совпадений возвращает null, а не пустой массив.
Тот же текст теперь даёт 10 слов. Тире пропущено, «Кто-то» — одно слово, «3,5» — одно число. Ровно так посчитал бы человек.
Шаг 4. Добавь языки без пробелов
Есть языки, где слова вообще не разделяются пробелами: японский, китайский, тайский. Для «こんにちは世界» («привет, мир») регулярка найдёт одно длинное «слово».
Тут поможет встроенный в браузер Intl.Segmenter. Он знает словари языков и режет текст по настоящим границам слов:
const segmenter = new Intl.Segmenter("ja", { granularity: "word" })
const parts = [...segmenter.segment("こんにちは世界")]
parts.filter(p => p.isWordLike).length // 2
isWordLike отсекает пробелы и знаки препинания. Работает во всех современных браузерах и в Node.
Почему бы не использовать его всегда? Он режет «кто-то» и «e-mail» на два слова. Для русского и английского привычнее результат шага 3. Поэтому собираем гибрид: если в тексте есть иероглифы или тайский — Segmenter, иначе — регулярка.
const WORD = /[\p{L}\p{N}]+(?:[-’'.,][\p{L}\p{N}]+)*/gu
const NO_SPACES = /[\p{Script=Han}\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Thai}]/u
function countWords(text) {
if (NO_SPACES.test(text)) {
const seg = new Intl.Segmenter(undefined, { granularity: "word" })
return [...seg.segment(text)].filter(p => p.isWordLike).length
}
return (text.match(WORD) || []).length
}
Что получится
Подключаешь функцию к полю — и счётчик ведёт себя как в нормальном редакторе:
textarea.addEventListener("input", () => {
const n = countWords(textarea.value)
counter.textContent = `${n} / 300`
})
- Пустое поле — 0, а не 1.
- Лишние пробелы и переносы ничего не добавляют.
- «Кто-то», «it’s» и «3,5» — по одному слову, тире — ноль.
- Японский текст считается по словам, а не одним куском.
Бонусом можно показать время чтения: раздели число слов на 200 и округли вверх — это примерная скорость чтения взрослого, в минутах.
А как правильно посчитать символы?
text.length считает не символы, а кусочки кодировки. Эмодзи «👋🏽» даёт 4. Для честного лимита символов используй Intl.Segmenter с granularity: "grapheme" — он считает то, что видит глаз.
Можно ли так считать токены для ИИ?
Нет. Модели считают не слова, а токены, и по-русски их обычно заметно больше, чем слов. Для лимитов нейросети нужен токенизатор конкретной модели.
Почему у меня и в Word получаются разные числа?
Редакторы по-разному решают спорные случаи: числа, адреса сайтов, слова через слэш. Если цифры расходятся на пару слов — это нормально. Важно, чтобы твой счётчик был последовательным и не считал пустоту.
Курс «Профессия 2027: ИИ-архитектор»: шаг за шагом от основ компьютера до своего приложения и первых клиентов. 543 коротких урока на телефоне.





