关键词抽取是自然语言处理中的一个重要任务，常用于信息检索、文本摘要等领域。对于题目中给出的四种方法，以下是分析：

| 方法 | 用途 | 关键词抽取适用性 |
|---------|-----------------------------|----------------------|
| A: TFIDF| 统计方法，用于衡量词的重要性 | **适用**：常用于关键词抽取，基于词频与逆文档频率的乘积来衡量一个词的重要性。|
| B: LDA | 主题模型，用于主题发现 | **不直接适用**：主要用于主题建模，但可以间接帮助识别文档中的重要主题词。|
| C: TextRank | 基于图的排序算法，用于关键词和摘要提取 | **适用**：专门用于关键词抽取，通过构建词的图模型并进行迭代排序。|
| D: fastText | 词向量表示方法，用于文本分类和表示 | **不适用**：本身不是关键词抽取算法，但可以为词提供语义表示。|

### 分析：
1. **TF-IDF**：是关键词抽取的经典方法，基于词频与逆文档频率，适合从文本中提取重要词汇。
2. **LDA (Latent Dirichlet Allocation)**：主要用于主题建模，可以识别文档中的主题词，但不直接用于关键词抽取。
3. **TextRank**：一种无监督的图排序算法，非常适合关键词抽取，通过类似PageRank的方式对词进行排序。
4. **fastText**：主要用于生成词向量和文本分类，不直接用于关键词抽取。

因此，正确答案是 **A: TFIDF** 和 **C: TextRank**。这两者都是常用的关键词抽取方法。