查找文档的关键词及出现的次数，用出现频率最高的关键词，做成词云图展示

某天朋友咨询我一个问题，她手上有一些政府文件，需要找出这些文件里出现频率最高的关键词，取TOP50，做成词云图展示（类似于下图，频率越高越醒目）。

1、提取出每个文件的内容
2、找出每个有意义的词，并统计出每个词出现的次数
3、取次数最高的50个词，做成词云图

1和3还好说，总有办法可以做到。WORD文档可直接复制出来，PDF文档也有办法把文字提取出来，有了关键词和对应的次数，直接可以用可视化工具（比如FineBI）做出词云图。关键是第2步如何实现。

联想到Oracle全文索引的原理：Oracle词法分析器（lexer）将所有的表意单元（term）找出来，记录在一组以dr开头的表里，同时记录该表意单元出现的位置、次数、hash值等……而且专门有一个汉语分析器，可以分析出汉语的表意单元（比如“我们都是中国人”，它可以分析出“中国人”是一个表意单元，“是中”则不是）。那么，如果我们能查到dr开头的这组表，第2步就解决了。

Step1:构建环境

Step2:建全文索引

Step3:查看dr开头的表

Step4:按出现次数降序排序，并剔除掉无意义的词，取TOP50