用Java读取Word文档中的关键词

在日常的工作和学习中，我们经常需要从Word文档中提取关键词以做进一步的分析和处理。本文将介绍如何使用Java编程语言，利用Apache POI库来读取Word文档中的关键词，以及如何将提取的关键词以饼状图和旅行图的形式展示出来。

Apache POI库简介

Apache POI是一个用于读写Microsoft Office文件的Java API。它支持读取和写入Word、Excel和PowerPoint等文件格式。在本文中，我们将使用Apache POI来读取Word文档中的文本内容，然后提取其中的关键词。

读取Word文档中的文本内容

首先，我们需要引入Apache POI库的相关依赖。在Maven项目中，可以添加以下依赖：

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>5.2.3</version>
</dependency>
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.3</version>
</dependency>

接下来，我们将编写Java代码来读取Word文档中的文本内容，并提取其中的关键词。以下是一个简单的示例代码：

import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.openxml4j.exceptions.InvalidFormatException;
import org.apache.poi.openxml4j.opc.OPCPackage;

import java.io.FileInputStream;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

public class WordKeywordExtractor {

    public static Map<String, Integer> extractKeywords(String filePath) throws IOException, InvalidFormatException {
        Map<String, Integer> keywordMap = new HashMap<>();
        
        try (FileInputStream fis = new FileInputStream(filePath);
             XWPFDocument document = new XWPFDocument(OPCPackage.open(fis))) {
            for (XWPFParagraph paragraph : document.getParagraphs()) {
                String[] words = paragraph.getText().split("\\s+");
                for (String word : words) {
                    keywordMap.put(word, keywordMap.getOrDefault(word, 0) + 1);
                }
            }
        }
        
        return keywordMap;
    }

    public static void main(String[] args) {
        String filePath = "example.docx";
        
        try {
            Map<String, Integer> keywordMap = extractKeywords(filePath);
            
            for (Map.Entry<String, Integer> entry : keywordMap.entrySet()) {
                System.out.println(entry.getKey() + ": " + entry.getValue());
            }
        } catch (IOException | InvalidFormatException e) {
            e.printStackTrace();
        }
    }
}

在上面的代码中，我们定义了一个extractKeywords方法，该方法接受一个Word文档的文件路径作为参数，并返回一个包含关键词及其出现次数的Map。然后在main方法中调用extractKeywords方法，并输出提取到的关键词及其出现次数。

展示关键词数据

一般来说，我们可以将提取到的关键词数据通过饼状图或旅行图的形式展示出来，以便更直观地了解文档的内容特点。

饼状图

下面是一个使用mermaid语法绘制的饼状图示例，展示了关键词数据的占比情况：

pie
    title 关键词占比
    "关键词1": 30
    "关键词2": 20
    "关键词3": 10
    "其他": 40

在实际应用中，我们可以根据提取到的关键词数据来动态生成饼状图，并将其嵌入到Web页面中展示出来。

旅行图

另外，我们还可以使用mermaid语法绘制旅行图，展示关键词之间的关联和演化过程。以下是一个旅行图示例：

journey
    title 关键词演化
    section 关键词1
        "2020-01-01": 描述关键词1的事件1
        "2020-02-15": 描述关键词1的事件2