话题标签统计

使用方法

1. 把要发布的配文粘进文本框（页面已预填一段示例，直接改即可），一次最多 5000 字，超长会给出提示。
2. 点「统计标签」，或在文本框里按 Ctrl 加回车（Mac 是 Cmd 加回车）直接触发统计。
3. 先看统计区的六个数：标签总数、去重数、平均长度、最长标签、最短标签、重复率；六个数字下方是同样的卡片视图，方便截图。
4. 再看频次表：按出现次数从高到低排列，次数相同按标签的字典序排，表里还给出每个标签占全部标签次数的比例与字符长度。
5. 要留档就点「导出频次表 CSV」（带 BOM，Excel 打开不乱码），要粘进表格就点「复制频次表 TSV」；文案标签超过 12 个时点「加载更多」展开全部行。

话题标签统计能解决什么

第一类是重复粘贴。写配文时标签往往是一段一段往上加的，加着加着同一个词就出现了两三次——肉眼很难发现，平台却会照单全收。示例这段 17 个标签里，#摄影 和 #citywalk 各出现了 3 次，#周末去哪儿 出现了 2 次，去重后只剩 12 个，重复率 29.4%。把重复的那几次删掉，同样的传播位就能多放两个不同的词。

第二类是大小写与标点造成的假性差异。人工数的时候，#CityWalk 和 #citywalk 会被当成两个词，但在多数社交平台上它们指向同一个标签页；#摄影，后面带个逗号，也会被当成新词。本页先把首尾的中英文标点裁掉，再把标签统一转小写后归并，展示时仍保留你第一次写出来的原形，既数得准又不改你的原文。

第三类是长度结构失衡。平均长度 4.00 说明这批标签以两到四字的中文词为主，夹杂一个八字符的英文词 citywalk。全是短词时覆盖面窄，全是长词时又难被检索；把平均长度和最长最短一起看，就能判断这批标签是偏口语还是偏关键词堆砌。

本页不做的事也说清楚：不联网查平台上的标签热度，不判断某个标签「好不好」，不给推荐词——那需要有平台数据接口的话题标签生成器来做。这里只回答一个更基础的问题：你写的这段文案里，标签到底重复成了什么样。

原理与变量

识别正则。页面用 /#([^\s#]+)/g 逐个取标签：以 # 开头，后面至少跟一个「既不是空白也不是 #」的字符，遇到空白就停。之所以要把 # 排除在字符集之外，是为了避免两种常见的错切：一是 ##摄影 这种连写，若允许 # 参与匹配就会得到一个以 # 开头的怪标签，排除之后匹配自动从第二个 # 起算，结果仍是「摄影」；二是 #秋日#citywalk 这种不带空格的连写，# 作为分隔让两个标签被正确切开，不会被粘成「秋日#citywalk」。

标点裁剪。取到分组后，再把首尾出现的 。，、！？,.!? 逐个去掉，去完为空就丢弃。中文文案里标签后面经常直接跟逗号或句号，不裁掉的话「摄影」和「摄影，」会被算成两个标签，去重数虚高。

大小写归一。统计用的键是全小写形式，展示用的标签是第一次出现的原形。因此 #CityWalk 与 #citywalk 合并计数，表里显示你最先写的那一种写法。这一条对 Instagram、微博这类把标签当检索键的平台是吻合的，它们对大小写同样不敏感。

四个统计量的定义。标签总数 = 每一次出现都算一个；去重数 = 小写归一后的不同标签数；平均长度 = 全部出现的字符数之和 ÷ 标签总数；重复率 = (标签总数 − 去重数) ÷ 标签总数。示例为 (17 − 12) ÷ 17 = 29.41%，保留一位小数显示 29.4%。最长与最短在首次出现的顺序里用严格大小比较挑出，因此并列时取最先出现的那个。

排序与截断。频次表按出现次数降序，次数相同时按小写键的字典序升序；英文按码位排在中日韩文字之前，所以同次数的 #citywalk 排在 #摄影 之前。表格默认只画 12 行，是长尾标签在配文里意义不大的经验值，超过 12 行时点「加载更多」展开，导出的 CSV 始终包含全部行。

完整示例

默认文案是「周末的城市漫步 #城市漫步 #摄影 #街头摄影 #摄影 #秋日 #citywalk #citywalk #手机摄影 #摄影 #慢生活 #周末去哪儿 #周末去哪儿 #光影 #街拍 #citywalk #胶片感 #城市漫游」。开头的「周末的城市漫步」没有 #，不计入；后面 17 个 # 标签全部计入。

逐项复算：标签总数 17；去重 12；字符数之和为 4+2+4+2+2+8+8+4+2+3+5+5+2+2+8+3+4 = 68，68 ÷ 17 = 4.00；最长是 8 个字符的 citywalk；最短是 2 个字符的摄影（秋日、光影、街拍同为 2 个字符，但摄影最先出现）；重复率 (17 − 12) ÷ 17 = 29.4%。频次表前三位是 #citywalk ×3、#摄影 ×3、#周末去哪儿 ×2，占比分别为 17.6%、17.6%、11.8%，其余九个各占 5.9%。

把文案里的「#摄影」删掉两次再统计：总数变 15、去重仍为 12、重复率降到 (15 − 12) ÷ 15 = 20.0%，平均长度变成 62 ÷ 15 = 4.13。同一段文案，只删重复项就能让重复率从 29.4% 掉到 20.0%，这正是发布前值得做的一次检查。

对照表

下表列出 16 种常见写法与本页的解析结果，用来核对「为什么这个词没被数上」这类疑问，默认显示 12 行，点「加载更多」展开其余 4 行。

结果边界与舍入

舍入口径。平均长度保留两位小数，重复率与占比保留一位小数，都用四舍五入。示例平均长度 68 ÷ 17 = 4.00 恰好整除；若换成 62 ÷ 15 = 4.1333…，显示 4.13。占比按「该标签出现次数 ÷ 标签总数」算，同一批次内所有占比之和可能因舍入而不等于 100%，这是逐项四舍五入的固有现象，不做强行配平。

输入边界。文本为空、粘贴后一个 # 都没有、或文本超过 5000 字，都会给出指出原因的中文提示：空文本提示粘贴内容，零标签提示「没找到 # 标签：请确认用 # 开头且标签之间用空格分隔」，超长提示当前字数与上限。报错时统计区与结果区都显示破折号，不会拿上一轮的结果冒充本轮。

解析边界。只有以 # 起始且紧跟非空白内容的片段才算标签，正文里出现的 # 号（例如「第 #3 名」）同样会被计入，这类情况请自行剔除；标签内部的空格一律视为分隔，想写多词标签请改用连字符或直接连写。Emoji 与中文混合的标签按字符长度计数，一个 Emoji 可能占两个字符，这是按 UTF-16 码元计数的结果。

排序边界。大小写归一后，同一标签的不同写法在频次表里只出现一行，显示的原形是第一次出现的写法；若你希望保留「#CityWalk」这种写法，请把它写在最前面。频次相同时的字典序按小写后的码位比较，英文与数字排在中日韩文字之前。

常见问题

相关工具

• 话题标签生成器：先扩出候选标签，再粘回本页做重复与结构检查。
• YouTube标签提取：从视频页源码里抽出已有标签，与本页的本地统计互补。
• Meta标签生成器：网页 description 与 og 标签的写法生成。
• 标题标签生成器：标题与标签成对产出，适合批量发文场景。
• 博客标题生成器：长文标题的备选方案，配合标签一起定。