获取PDF文件的正确字数
中的回答帮助我理解为什么有时我的 PDF找不到一个单词，为什么我在使用 不同的PDF字数计算程序。我决定使用获取PDF文件的正确字数,pdf,xpdf,Pdf,Xpdf,中的回答帮助我理解为什么有时我的 PDF找不到一个单词，为什么我在使用 不同的PDF字数计算程序。我决定使用xpdf。我把它转换成文本 并添加了-layout标记，然后用Word 2003打开生成的文本文件。 我记下了count这个词。然后，不幸的是，我决定删除-layout标记。 不过，这次的字数不同了 为什么标签会影响字数？有没有准确的方法来计算字数 一个PDF文件？如果必须的话，我甚至愿意为这样的软件付费，只要它给我 正确的字数 （我检查了一下，但我想我会发现我刚才提供的解决方案是否能解决
xpdf（我检查了一下，但我想我会发现我刚才提供的解决方案是否能解决所有问题。还有一个主题推荐advancedpdf。）我想说的是，没有可靠的字数计算方法。例如，为了让你的生活更艰难，你可以把这个可爱的答案中的每个字符放在一个文本对象中，并定位这些对象，这样，只有在呈现时，才能给人类一个有意义的段落。像这样：
<html><body><style>
div {float: left;}
</style><div><p>S</p></div><div><p>t</p></div><div><p>a</p></div>
<div><p>c</p></div><div><p>k</p></div>
div{float:left；}
Sta
ck
if (f.getName().endsWith(".txt"))
{
in = new BufferedReader(new FileReader(f));
StringBuilder sb = new StringBuilder();
String s = null;
while ((s = in.readLine()) != null)
sb.append(s);
String[] tokenizedTerms = sb.toString().replaceAll("[\\W&&[^\\s]]", "").split("\\W+"); //to get individual terms
}
在tokenizedTerms数组中，您将拥有文档的所有术语（单词），您可以通过调用tokenizedTerms.length（）来计算它们。希望这有用。：-） 执行命令并不完全是正确的方法：）PDF不是为机器可读而设计的。要么用一些OCR解决方案进行手动更正，要么雇人帮你数一数单词，只要更便宜。我想你们会告诉我，用户在旧主题中发布的信息是正确的，我应该遵守。我从那篇博文中了解到的是，这些单词被计算在内，包括被分割成碎片的单词。我想我还是会坚持这一条。非常感谢。谢谢你的回复。在这一点上我不会和你争论：这很容易；我见过PDF，其中一些字符放在页面顶部，然后在左边距下再放几个字符，然后页面顶部的其余文本放在前面的字符之后，然后在第二列中放一些字符，然后在第一页距的前面的字符之后再放一些字符，然后删除页面顶部并在其中绘制不同的字符，然后在第二列中添加更多字符，然后添加一些图形笔划，依此类推。疯狂？这是土砖