原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PDF 和 Java 技术(PDFBox);2;
文本提取和 Lucene 整合
这是一个信息展现时代（an information retrieval age），不管信息存放在哪种媒体中，应用程序都应该 支持检索和索引。对信息进行组织和分类从而形成可检索的格式是很关键的。这对于文本文档和 HTML 文档来说是很简单的，但 PDF 文档包含大量的结构和元信息，提取文档内容决不是一件简单的事情。 PDF 语言和 Postscript 相似，二者中的对象都是作为矢量绘制在页面的某些位置。例如：;;;6;7;8;9
文档评论（0）