Befolgen Sie die folgenden Schritte, um Text aus PDF-Dateien mithilfe von GroupDocs.Parser in Ihrem Java-Projekt zu extrahieren:
// Initialisieren Sie Parser mit Ihrem Dokument
try (Parser parser = new Parser("input.pdf"))
{
// Lesen und extrahieren Sie alle Textdaten
try (TextReader reader = parser.getText())
{
// Geben Sie null zurück, wenn der Textinhalt fehlt
// Integrieren Sie den extrahierten Text in Ihren Workflow
System.out.println(reader == null ?
"Überspringen Sie nicht unterstützte Textformate" : reader.readToEnd());
}
}
<dependencies>
<dependency>
<groupId>com.groupdocs</groupId>
<artifactId>groupdocs-parser</artifactId>
<version>24.9</version>
</dependency>
</dependencies>
<repositories>
<repository>
<id>repository.groupdocs.com</id>
<name>GroupDocs Repository</name>
<url>https://repository.groupdocs.com/repo/</url>
</repository>
</repositories>
GroupDocs.Parser geht über die einfache Textextraktion hinaus und unterstützt die Abfrage von Bildern, Metadaten und strukturierten Daten zur Verbesserung von Inhaltsverarbeitungsaufgaben.
Erfassen Sie sowohl Roh- als auch strukturierten Text aus DOCX, XLSX, PPTX, PDF, HTML und verschiedenen anderen Formaten.
Analysieren Sie Text aus gescannten Dokumenten, Folien, Tabellenkalkulationen und anderen Dateitypen, während Sie die logische Struktur beibehalten.
Konfigurieren Sie Seitenbereiche, Layoutzonen und Genauigkeitsparameter für eine präzise Textextraktion.
Dieses Beispiel demonstriert die Extraktion von Textblöcken sowie deren räumlichen Koordinaten aus einer PowerPoint-Präsentation mit GroupDocs.Parser.
// Laden Sie Ihre PPTX-Datei mit der Parser-API
try (Parser parser = new Parser("input.pptx"))
{
// Holen Sie sich alle rechteckigen Textzonen
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Beenden Sie, wenn diese Funktion nicht unterstützt wird
if (areas == null)
{
return;
}
// Durchlaufen Sie Textbereiche nach Seite
for (PageTextArea a : areas)
{
// Verarbeiten Sie jeden Textblock mit seiner Seitennummer und dem umschreibenden Rechteck
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Laden Sie GroupDocs.Parser kostenlos herunter oder holen Sie sich eine Testlizenz für vollen Zugriff!
Erforschen Sie die Dokumentation, Code -Beispiele und die Unterstützung der Community, um Ihre Erfahrungen zu verbessern.
GroupDocs.Parser ist in der Lage, Textinhalte aus zahlreichen Datei- und Bildformaten zu extrahieren. Nachfolgend sind die am häufigsten verwendeten Typen aufgeführt, die unterstützt werden.
