java - 有没有办法从java中读取.fdt/.fdx/.fdxt ftile中的文本？

Question

我想计算.fdt/.fdx/.fdxt文件中的单词数

我将 .fdxt 转换为 .html，然后进一步解析它。它在某些情况下取得了成功，但并非全部。

    String html="";

    Scanner sc = new Scanner(new File("/home/de-10/Desktop/1.html"));
    while(sc.hasNextLine()) {
        html+=sc.nextLine();
    }
    sc.close();

    System.out.println(html);

    Document doc = Jsoup.parse(html.toString());
    String data = doc.text();
    System.out.println(data);

    Scanner sc1 = new Scanner(new String(data));
    int wordCount=0;
    while(sc1.hasNext()) {
        sc1.next();
        wordCount++;
    }
    sc1.close();

    System.out.println("");
    System.out.println("**********");
    System.out.println("WordCount: "+wordCount);
    System.out.println("**********");
    System.out.println("");

我正在寻找一些最佳解决方案。

Answer 1

你说，“在某些情况下它是成功的，但不是全部”。因此，我建议在计数之前删除文本中的标点符号。

int wordCount = Jsoup.parse(html).text().replaceAll("\\p{Punct}", "").split("\\s+").length;