Java 如何从tika提取的文本中提取频繁出现的词

我使用下面的代码（使用tika）提取了多种文件格式（pdf、html、doc）的文本

现在我的要求是从提取的内容中获取频繁出现的单词，你能建议我怎么做吗

---

谢谢

这里有一个函数，用于最常用的单词

您需要将内容传递给函数，然后获得频繁出现的单词

String getMostFrequentWord(String input) {
    String[] words = input.split(" ");
    // Create a dictionary using word as key, and frequency as value
    Map<String, Integer> dictionary = new HashMap<String, Integer>();
    for (String word : words) {
        if (dictionary.containsKey(word)) {
            int frequency = dictionary.get(word);
            dictionary.put(word, frequency + 1);
        } else {
            dictionary.put(word, 1);
        }
    }

    int max = 0;
    String mostFrequentWord = "";
    Set<Entry<String, Integer>> set = dictionary.entrySet();
    for (Entry<String, Integer> entry : set) {
        if (entry.getValue() > max) {
            max = entry.getValue();
            mostFrequentWord = entry.getKey();
        }
    }

    return mostFrequentWord;
}

String getMostFrequentWord（字符串输入）{
String[]words=input.split（“”）；
//创建一个字典，使用单词作为关键字，使用频率作为值
Map dictionary=newhashmap（）；
for（字符串字：字）{
if（字典.containsKey（单词））{
int frequency=dictionary.get（word）；
字典。put（单词，频率+1）；
}否则{
字典。put（单词，1）；
}
}
int max=0；
字符串mostFrequentWord=“”；
Set=dictionary.entrySet（）；
用于（条目：集合）{
if（entry.getValue（）>max）{
max=entry.getValue（）；
mostFrequentWord=entry.getKey（）；
}
}
返回最频繁的单词；
}

---

算法是O（n），因此性能应该可以。

这里有一个函数，用于最频繁的单词

您需要将内容传递给函数，然后获得频繁出现的单词

String getMostFrequentWord(String input) {
    String[] words = input.split(" ");
    // Create a dictionary using word as key, and frequency as value
    Map<String, Integer> dictionary = new HashMap<String, Integer>();
    for (String word : words) {
        if (dictionary.containsKey(word)) {
            int frequency = dictionary.get(word);
            dictionary.put(word, frequency + 1);
        } else {
            dictionary.put(word, 1);
        }
    }

    int max = 0;
    String mostFrequentWord = "";
    Set<Entry<String, Integer>> set = dictionary.entrySet();
    for (Entry<String, Integer> entry : set) {
        if (entry.getValue() > max) {
            max = entry.getValue();
            mostFrequentWord = entry.getKey();
        }
    }

    return mostFrequentWord;
}

String getMostFrequentWord（字符串输入）{
String[]words=input.split（“”）；
//创建一个字典，使用单词作为关键字，使用频率作为值
Map dictionary=newhashmap（）；
for（字符串字：字）{
if（字典.containsKey（单词））{
int frequency=dictionary.get（word）；
字典。put（单词，频率+1）；
}否则{
字典。put（单词，1）；
}
}
int max=0；
字符串mostFrequentWord=“”；
Set=dictionary.entrySet（）；
用于（条目：集合）{
if（entry.getValue（）>max）{
max=entry.getValue（）；
mostFrequentWord=entry.getKey（）；
}
}
返回最频繁的单词；
}

---

算法为O（n），因此性能应该可以。

是，内容存储在json对象中是，内容存储在json对象中