重复数据会降低内容的价值。作为一名作家，你必须遵循DRY(不要重复自己) 的原则。字数或每个单词的出现次数等统计数据可以让您分析内容，但很难手动对多个文档进行分析。因此，本文演示了如何使用 C# 以编程方式计算单词数以及 PDF、Word、Excel、PowerPoint、电子书、标记和电子邮件文档格式中每个单词的单词出现次数。
.NET API 来计算单词和出现次数
GroupDocs.Parser 为开发者提供文档解析解决方案。为了从文档中提取文本并计算出现次数，我们将使用它的 GroupDocs.Parser for .NET。该 API 还允许从一长串 支持的文档 格式(如文字处理文档、演示文稿、电子表格、电子邮件、数据库、电子书等) 中提取图像和元数据。
您可以从 下载部分 下载 DLL 或 MSI 安装程序，或者通过 NuGet 将其包添加到您的 .NET 应用程序来安装 API。
PM> Install-Package GroupDocs.Parser
使用 C# 计算单词
对于单词的计数，主要是解析和提取文档的全部内容。提取文本后，我们可以将其内容拆分为句子和单词的集合。以下步骤允许使用 C# 计算文档中的单词。
- 使用 Parser 类加载文档。
- 将加载文档的文本获取到 TextReader。
- Get 来自 TextReader 的文档文本作为字符串。
- 将文本拆分为单词并将它们保存到字符串数组中。
- 执行字数统计。
以下 C# 源代码计算文档中的单词数。
// 使用 C# 计算 PDF 文档中的字数
using (Parser parser = new Parser("path/document.pdf"))
{
// 将文本提取到阅读器中
using (TextReader reader = parser.GetText())
{
string text = reader.ReadToEnd();
char[] chars = { ' ', '.', ',', ';', ':', '?', '\n', '\r' };
// 分词
string[] words = text.Split(chars);
// 打印总字数
Console.WriteLine("Total word count: {0}", stats.Count);
}
}
在 C# 中计算单词的出现次数
类似地，我们可以计算一个特定单词或短语在文档中使用了多少次。通过使用此功能，您可以避免文章中任何单词的过度重复。以下步骤计算文档中使用的每个单词的出现次数。
- 使用 Parser 类加载文档。
- 将加载文档的文本检索到 TextReader。
- 阅读全文并将其拆分为单词集合。
- 遍历单词集合来计算单词。
以下 C# 代码片段计算文档中每个唯一单词的出现次数。
// 使用 C# 计算 PDF 文档中唯一单词及其出现次数
using (Parser parser = new Parser("path/document.pdf"))
{
// 将文本提取到 TextReader
using (TextReader reader = parser.GetText())
{
Dictionary<string, int> stats = new Dictionary<string, int>();
string text = reader.ReadToEnd();
char[] chars = { ' ', '.', ',', ';', ':', '?', '\n', '\r' };
// 分词
string[] words = text.Split(chars);
int minWordLength = 2; // Consider a word having more than 2 characters
// 遍历单词集合以计算出现次数
foreach (string word in words)
{
string w = word.Trim().ToLower();
if (w.Length > minWordLength)
{
if (!stats.ContainsKey(w))
{
stats.Add(w, 1); // add new word to collection
}
else
{
stats[w] += 1; // update word occurrence count
}
}
}
// 按字数排序
var orderedStats = stats.OrderByDescending(x => x.Value);
// 打印字数统计结果
Console.WriteLine("Total word count: {0}", stats.Count);
foreach (var pair in orderedStats)
{
Console.WriteLine("Total occurrences of {0}: {1}", pair.Key, pair.Value);
}
}
}
以下是上述代码的输出：
获取免费 API 许可证
您可以 获得免费的临时许可证 以便在没有评估限制的情况下使用 API。
结论
总而言之，您学习了如何使用 C# 计算文档中的单词。此外，我们还讨论了如何获取文档中每个单词的单词出现次数。尝试开发您的在线字数计数器 .NET 应用程序。有关 API 的更多详细信息和了解，请访问 文档。如有疑问，请通过 论坛 联系我们。