词频统计

   在过往的几周，编写词频统计程序的时候，无论是输入英文文章，还是通过txt的格式读取文件，进行词频统计。都会面临着一个问题，在实际应用中，大多数文章都会在word,pdf等文档中保存着，在windows中人们很少会存储txt文件。那么进行词频统计时，必定需要先读取。如果是word，可以像txt一样读取。那么如果文章要是在pdf中，怎么进行读取？是否应该先将pdf格式转换，然后在进行读取。还是如何操作呢？那么程序该怎样编写呢？很是困扰。上网查了些资料，pdf格式转换，要么有pdf专用的阅读器，要么是花钱将pdf格式进行转换，转换成word,进而像操作word一样进行词频统计。面对pdf格式该如何编写程序呢？以上仅个人想法。