Tag: 文本

日食JAVA OCR API开源: 我对OCR的东西一无所知。我只需要（如果它甚至可能）将.jar导入到Eclipse中，我可以为输入提供图像（.bmp，.tiff，.jpeg），它会输出一个包含图像文本内容的字符串。这不是validation码或手写，只是一些字母的简单“照片”。开源解决方案受到赞赏。我看到像Tess4j或JavaOCR这样的项目，但它们处理起来有点复杂:( 有人有建议吗？更新：我发现AspriseOCR非常易于使用。只需将.jar导入构建路径并调用方法即可。非常好！但是……我不能在我自己的项目中使用它！你知道任何库像Asprise一样简单（我不需要编译任何东西，或者有任何类型的培训：只需导入就可以了！）

Java：Apache POI：我可以从MS Word（.doc）文件中获取干净的文本吗？: 当我使用Apache POI时，我（以编程方式）从MS Word文件获取的字符串与我使用MS Word打开文件时可以看到的文本不同。使用以下代码时： File someFile = new File(“some\\path\\MSWFile.doc”); InputStream inputStrm = new FileInputStream(someFile); HWPFDocument wordDoc = new HWPFDocument(inputStrm); System.out.println(wordDoc.getText()); 输出是一行包含许多“无效”字符（是的，“盒子”），以及许多不需要的字符串，如“ FORMTEXT ”，“ HYPERLINK \l “_Toc##########” ”（ ‘＃’是数字数字），“ PAGEREF _Toc########## \h 4 ”等。以下代码“修复”了单行问题，但维护了所有无效字符和不需要的文本： File someFile = new File(“some\\path\\MSWFile.doc”); InputStream inputStrm = new FileInputStream(someFile); WordExtractor wordExtractor = new WordExtractor(inputStrm); for(String paragraph:wordExtractor.getParagraphText()){ System.out.println(paragraph); } 我不知道我是否使用了错误的方法来提取文本，但这就是我在查看POI的快速指南时所提出的 […]

如何使用Java中的tEXt或iTXt块保存PNG？: 我目前正在使用javax.imageio.ImageIO来编写PNG文件。我想要包含一个tEXt块（实际上是这里列出的任何块），但是看不到这样做的方法。通过com.sun.imageio.plugins.png.PNGMetadata的外观，它应该是可能的。我应该非常感谢任何线索或答案。 M.

如何确定文件是否为PDF文件？: 我在Java中使用PdfBox从PDF文件中提取文本。提供的某些输入文件无效，PDFTextStripper会暂停这些文件。是否有一种干净的方法来检查提供的文件是否确实是有效的PDF？

从文本文件中提取单词: 假设你有一个像这样的文本文件： http ： //www.gutenberg.org/files/17921/17921-8.txt 有没有人有一个好的算法或开源代码从文本文件中提取单词？如何获取所有单词，同时避免使用特殊字符，并保留“它是”等内容…… 我在Java工作。谢谢

Java文本分析库: 我正在寻找一个java驱动的解决方案，以满足分析句子的需求，以记录关键词是正面还是负面使用。即关键词可能是’cabbages’和句子： – ‘我喜欢卷心菜但不喜欢豌豆’ 我想要一种java文本分析器来记录这个积极的东西。 lucene（Hibernate-Search）库可以用于此吗？有什么想法吗？

文本相似度算法: 我有两个字幕文件。我需要一个函数来告诉它们是代表相同的文本还是相似的文本有时只有一个文件中有“风正在吹……音乐在播放”这样的评论。但80％的内容都是一样的。该函数必须返回TRUE（文件表示相同的文本）。有时会出现像1这样的拼写错误，而不是l（1-L），就像这里一样：她只有行李。当然，这意味着函数必须返回TRUE。我的意见：该函数应返回文本相似度的百分比 – 同意 “所有人都很开心”和“所有人都不高兴” – 这里被认为是拼写错误，因此被视为同一文本。确切地说，函数返回的百分比将更低，但足够高以表示短语是相似的请考虑是否要在整个文件或搜索字符串上应用Levenshtein – 不确定Levenshtein，但算法必须作为一个整体应用于文件。不过，这将是一个很长的字符串。

读取文本文件并将其拆分为数组 – Android: 我已经完成了很多这些问题，但似乎仍然无法弄明白。我有一个文本文件分成行。每行由5个以“，”分隔的数据组成。我试图读取此文件并将信息拆分为这种forms的字符串数组： String [][] xyz = new String [5][100]; 请有人帮我解决一个简单的解决方案！？谢谢！！！ 🙂 数据示例： John,22,1953,Japan,Green Anna,18,2012,Mexico,Blue Sam,34,1976,San Francisco,Pink 示例代码： public void readFile（）{ AssetManager manger; String line = null; try { manger = getAssets(); InputStream is = manger.open(“data.txt”); InputStreamReader isr = new InputStreamReader(is); BufferedReader br = new BufferedReader(isr); while ((line = br.readLine()) != null) { […]

什么是JTextComponents中的EditorKits以及它们的工作是什么？: 我正在研究Swing程序中文本组件的结构。据我所知， JTextComponent主要分为视图和模型。该模型是实现Document的类的实例，包含所有文本并提供操作它的方法，以及View以可视方式呈现文本。但是，我EditorKit知道使用EditorKit确切位置，方式和原因。我不确定它是否封装（’拥有’）模型（ Document ），或者Document是否封装它。并且不确定视图在哪里适合所有这些。所以有两个问题： 1-请描述JTextComponents视图， Document和EditorKit之间的关系。什么包含什么，什么与什么相互作用，以及为什么？ 2-请解释EditorKit的function和作用。谢谢您的帮助

如何读取JAR中的文本文件？: 我试图做的是在程序的JAR中存储一个文本文件（不会改变），以便可以读取它。文本文件的目的是它将被我的一个类读入，文本文件的内容将被添加到JEditorPane 。该文件基本上是一个教程，当用户点击选项阅读教程时，文件内容将被读取并显示在弹出的新窗口中。我有它的GUI部分，但只要将文件存储在JAR中以便可以访问它，我就迷失了。我已经读过使用InputStream会起作用，但在尝试了一些事情之后我还没有让它工作。我还将图像存储在JAR中，以用作GUI窗口的图标。这完成了： private Image icon = new ImageIcon(getClass() .getResource(“resources/cricket.jpg”)).getImage(); 但是，这在尝试获取文件时不起作用： private File file = new File(getClass.getResource(“resources/howto.txt”)); 这是我现在的class级： public class HowToScreen extends JFrame{ /** * */ private static final long serialVersionUID = -3760362453964229085L; private JEditorPane howtoScreen = new JEditorPane(“text/html”, “”); private Image icon = new ImageIcon(getClass().getResource(“resources/cricket.jpg”)).getImage(); private BufferedReader txtReader = […]