POI解析word2007相关的一点小问题求助

下方是读取 word 文件的 Java 代码，值得注意的是： POI 在读取 word 文件的时候不会读取 word 文件中的信息， 还有就是对于 2007 版的 word(docx), 如果 word 文件中有表格，所有表格中的数据都会在读取出来的字符串的最后。

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，就是把一段话划分成多个组成的词语，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，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，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，读取不同word文章的结果来定。

以上就是关于POI解析word2007相关的一点小问题求助全部的内容，包括:POI解析word2007相关的一点小问题求助、POI读取word文件怎样返回包含关键字的一行、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！