java - 在多个 pdf 文件中搜索一个词并根据字数为 pdf 编制索引

Question

谁能帮我在多个 pdf 文件中搜索一个词并计算字数？

我需要在每个文档中按字数降序显示 pdf，我应该在 java 中执行此操作。

Answer 1

您可以使用 PDFBox用于计算 PDF 文件中的字数:

public static int countWordInFile(String word, String filename, String fileEncoding) throws Exception {
    int count=0;
    PrintStream ps = null;
    PrintStream originalSystemOut = System.out;

    try {
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        ps = new PrintStream(baos);
        System.setOut(ps);

        // Extracting text from page
        ExtractText.main(new String[] {//
                //
                        "-encoding", fileEncoding, //
                        "-console", //
                        filename //
                //
                });

        String content = baos.toString(fileEncoding);

        // TODO: Find the word in content and count its occurences...

    } finally {
        IOUtils.closeQuietly(ps);
        System.setOut(originalSystemOut);
    }

    return count;
}