作者：乔山办公网日期：
返回目录：word文档
怎么样能让poi读取的word按原e799bee5baa6e4b893e5b19e338来的格式显示在页面
因为poi读取word 没法读取到空格和回车.这个问题要如何解决呢
poi java
------解决方案--------------------
public static void main(String[] args) {
File file = new File("D:/test.doc");
try {
FileInputStream fis = new FileInputStream(file);
HWPFDocument hwpfd = new HWPFDocument(fis);
WordExtractor wordExtractor = new WordExtractor(hwpfd);
String[] paragraph = wordExtractor.getParagraphText();
for (int i = 0; i < paragraph.length; i++) {
System.out.println(paragraph[i]);
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
给个思路吧。
读取word用doc4j，然后就是读成字符串进行处理了。
提取关键字首先是中文分词技术，就是把一抄段话划分成多个组成的词语，然后统计词语的出现次数袭，这个是主要依据。这个是有实现的jar包的，可以去baidu搜，搜java 中文分词就行。
分词之后，记录词百语出现位置，这个是辅助的依据，记录词语一句话中的位置，越靠前越像关键字，权重越高。
甚至可能需要建立一个权重体系，次数设置一个权重，整度体位置设置一个权重，不同位置权重也不同。不了解权问重可以理解成系数（百分比的，然后计算那个词是关键词）。
同时需要答注意，可能需要排除一些常用词，哪些次需要排除，这个需要根据程序反复运行，读取不同word文章的结果来定。
一般是不可以的，要重新排版。
给个抄思路吧。
读取word用doc4j，然后就是读成字符串进行处理了。
提取关键字首先是中文分词技术，就是把一段话划分成多个组成的词袭语，然后统计词语的出现次数，这个是主要依据。这个是有实现的jar包的，可以去baidu搜，搜java 中文分词就行。
分词之后，记录词语出现位置，百这个是辅助的依据，记录词语一句话中的位置，越靠前越像关键字，权重越高。
甚至可能需度要建立一个权重体系，次数设置一个权重，整体位置设置一个权重，不同位置权重也不同。不了解权重可以理解成系数（百分比的知，然后计算那个词是关键词）。
同时需要注意，可能需要排除一些常用词，哪些次需要排除，这个需要根据程序反复运行，读取道不同word文章的结果来定。