Count Words Java

Das Zählen von Wörtern in Dokumenten ist eine grundlegende Aufgabe in vielen Bereichen, einschließlich Rechtstechnik, Bildung, Forschung und Automatisierung von Geschäftsprozessen. Ob Sie nun Text auf Erkenntnisse analysieren, Richtlinien zur Textlänge durchsetzen oder einfach Berichte vorbereiten, das Wissen über die Gesamtwortanzahl und die Häufigkeit jedes Wortes bietet wertvollen Kontext. Die Automatisierung dieses Prozesses mit Java hilft, Arbeitsabläufe zu optimieren und die Notwendigkeit für manuelles Zählen zu beseitigen. Mit Hilfe von Conholdate.Total für Java SDK können Entwickler programmgesteuert Text aus verschiedenen Dokumenttypen extrahieren und eine effiziente Wortzählung und Häufigkeitsanalyse innerhalb ihrer Java-Anwendungen durchführen. Dieser Blogbeitrag wird Sie durch die Erreichung dieser Funktionalität mit einem praktischen Codebeispiel führen.

Warum Wörter in Dokumenten zählen?

Hier sind mehrere Gründe, warum das Zählen von Wörtern in der Dokumentenverarbeitung entscheidend ist:

  1. Inhaltsanalyse & Lesbarkeit: Hilft festzustellen, ob ein Dokument die erwarteten Standards für Länge und Lesbarkeit erfüllt.

  2. Rechtsdokumentenprüfung: Stellt sicher, dass Rechtsdokumente bestimmte Klauseln enthalten oder weglassen, basierend auf der Anwesenheit von Wörtern.

  3. Akademische Forschung: Unterstützt automatisierte Bewertungen, Terminfrequenzanalysen und Plagiaterkennung.

  4. Suche und Indizierung: Erhöht die Abrufgenauigkeit durch Indizierung von hochfrequenten Begriffen und relevanten Schlüsselwörtern.

Zählen Sie Wörter in PDF oder Word Dokumenten mit Java

Sie müssen das Conholdate.Total for Java SDK in Ihrer Umgebung konfigurieren. Es ermöglicht Ihnen die nahtlose Arbeit mit verschiedenen Dokumentformaten, einschließlich PDF, DOCX, TXT und mehr. Mit seinen Dokumentenverarbeitungsfähigkeiten können Sie Text extrahieren und Wortfrequenzen ohne komplexe Abhängigkeiten berechnen. Im Folgenden finden Sie ein vollständiges Java-Codebeispiel, das zeigt, wie man Wörter zählt und einen Wortfrequenzbericht aus einer PDF-Datei erstellt. Der folgende Ansatz zeigt, wie man ausgewählte Seiten aus einer PDF extrahiert und sie als separate Dateien speichert.

try (com.groupdocs.parser.Parser parser = new com.groupdocs.parser.Parser("document.pdf")) {

    com.groupdocs.parser.data.TextReader reader = parser.getText();
    String text = reader.readToEnd();

    String[] words = text.split("\\s+|\\.|\\,|\\?|\\:|\\;");
    System.out.println("Length:" + words.length);

    Hashtable<String, Integer> wordCountTable = new Hashtable<String, Integer>();

    int minWordLength = 2;
   for (String word : words) {
        String uniqueWord = word.toLowerCase();
        if (uniqueWord.length() > minWordLength) {
            if (wordCountTable.containsKey(uniqueWord)) {
                wordCountTable.replace(uniqueWord, wordCountTable.get(uniqueWord),
                        wordCountTable.get(uniqueWord).intValue() + 1);
            } else {
                wordCountTable.put(uniqueWord, 1);
            }
        }
    }

    wordCountTable.entrySet().forEach(entry ->{
        System.out.println(entry.getKey() + ": " + entry.getValue());
    });
}

Dieser Code führt die folgenden Aktionen aus:

  • Parses the input PDF Dokument, um Text zu extrahieren.

  • Teilt den Inhalt anhand von Leerzeichen und Interpunktion in Wörter auf.

  • Filtert kurze, bedeutungslose Wörter und berechnet die Häufigkeit jedes signifikanten Wortes.

  • Gibt die Gesamtzahl der Wörter und die einzelnen Wortanzahlen für weitere Analysen aus.

Diese Lösung kann erweitert werden, um mehrere von Conholdate.Total für Java unterstützte Dateiformate zu unterstützen, wie DOCX, RTF und TXT, wobei eine ähnliche Logik verwendet wird.

Schlussfolgerung

Die Wortzählung ist weit mehr als nur eine Kennzahl, sie ist ein leistungsstarkes Tool für Analyse, Compliance, Optimierung und Entscheidungsfindung. Durch die Integration dieser Fähigkeit in Ihre Java-Anwendungen mit Conholdate.Total für das Java SDK erhalten Sie die Möglichkeit, programmgesteuert Textinhalte zu extrahieren und eine detaillierte Analyse der Wortfrequenz durchzuführen. Egal, ob Sie einen Dokumentenanalysator, Bildungssoftware oder eine Suchmaschine erstellen, der Zugriff auf genaue Wortzählungsdaten verleiht Ihrer Anwendung Intelligenz und Einblick. Beginnen Sie noch heute mit der Integration dieser Funktionalität und öffnen Sie die Tür zu einer intelligenteren Dokumentenverarbeitung.

Siehe auch