Java 如何从上传的PDF、Doc、Xls、Csv等文件中计算单词、字符或句子

如何使用PHP、Zend Framework或基于CLI的Java触发器从PDF、Doc、Xls、Csv等格式的上传文件中计算单词数？

这里有一个第三方应用程序。您可以为它创建一个简单的包装器。就wc而言，这些文件类型并不准确。请看

首先，您应该看看 它是用Java编写的，是免费的（Apache许可），可以将您提到的所有格式转换为文本。在那之后，字数应该是微不足道的

您还可以使用linux命令行实用程序转换为文本，并围绕它们编写一个简单的包装器

（由于缺乏声誉，我无法链接到这些。请使用您的Google fu。）

• pdf:pdftotext（xpdf的一部分）。另请参见关于超级用户的问题#221359
• 文档（x）：abiword、catdoc、antiword、DocXtoText。。。另请参见关于超级用户的问题165978
• xls（以及几乎所有内容，但需要OpenOffice）：

---

csv很简单。所以你想要工具来逆向工程pdf，doc，xls…？编程解析pdf的任务不小。你最好使用第三方pdf阅读器，即使这些阅读器在字数排序方面也有问题，但如果你只需要字数统计，它们也非常有效。PDF的布局类似于拼贴。线没有严格的定义。对于你来说，看起来像一条完美的直线，从几何角度来说可能是一个巨大的混乱。$wc filename.pdf或任何给出这个>46 265 13025文件的东西。odt@pouncep,是的，在linux中我有这个，但这是终端示例中的错误计数器：$wc filename.pdf或filename.doc或filename.csv或filename。xls@P.Brian.Mackey：0.o哪一个对ZF和Java友好？没有开源框架或库吗？谢谢，Oops，这是针对windows平台的安装。CentOS或Fedora不适用？是的，这是事实，wc对于其他文件格式不准确。似乎在Linux平台下还有一个非常复杂的部分，用于计算单词等，用于实时或交互式解决方案开发。嗯，对于PDF部分，您可以保存为文本，并在普通文本文件上进行单词计数。有剧本。同样，对于word，我也不确定它在excel上的效果如何。我有11个（单词）它显示了10个，这是我们能达到的最大猜测吗？。前任：