Parser para Java

Analizar documentos a través de la API Java

Extraiga datos de documentos e imágenes en cualquier plataforma utilizando nuestras APIs flexibles y soluciones basadas en aplicaciones para programadores y usuarios finales.

Descargar Maven Iniciar prueba gratuita

Versión 24.9 lanzada

Vea las novedades

// Pase el archivo fuente a la instancia de Parser.
try (Parser parser = new Parser("source.pdf"))
{
    // Pase el texto del documento a TextReader.
    try (TextReader reader = parser.getText())
    {
        // Procese el texto del documento.
        System.out.println(reader == null 
            ? "" 
            : reader.readToEnd());
    }
}

<dependency>
<groupId>com.groupdocs</groupId>
<artifactId>groupdocs-parser</artifactId>
<version>24.9</version>
</dependency>

GroupDocs.Parser en un vistazo

API para realizar análisis de documentos en aplicaciones Java.

Extraer datos de documentos

La API GroupDocs.Parser for Java permite recuperar texto, metadatos e imágenes de una amplia gama de formatos de archivo, como documentos de Office, correos electrónicos, archivos adjuntos y archivos comprimidos. Esta herramienta potente le ayuda a acceder y procesar eficientemente la información valiosa contenida dentro de estos archivos para varias aplicaciones, como análisis de datos, indexación de motores de búsqueda o sistemas de gestión de contenido.

Analizar documentos

Extraiga varios elementos como hipervínculos, tablas, códigos QR, códigos de barras y datos de formularios PDF. También analice cualquier información deseada de documentos utilizando plantillas personalizadas.

Personalización de resultados

La API Java le permite recuperar datos en varios formatos, como bruto, estructurado, HTML o Markdown. Además, la API ofrece una funcionalidad de búsqueda para localizar palabras o frases específicas dentro del texto de los documentos.

Independencia de la plataforma

La API GroupDocs.Parser for Java es compatible con los siguientes sistemas operativos, marcos de trabajo y gerentes de paquetes.

Formatos de archivo compatibles

GroupDocs.Parser for Java admite operaciones con los siguientes formatos de archivo.

Formatos de Microsoft Office

Word: DOCX, DOC, DOCM, DOT, DOTX, DOTM, RTF
Excel: XLSX, XLS, XLSM, XLSB, XLTM, XLT, XLTM, XLTX, XLAM, SXC, SpreadsheetML
PowerPoint: PPT, PPTX, PPS, PPSX, PPSM, POT, POTM, POTX, PPTM

Imágenes y otros formatos

Portátiles: PDF
Imágenes: JPG, BMP, PNG, TIFF, GIF
Otros formatos de oficina: ODT, OTT, OTS, ODS, ODP, OTP, ODG

Otros formatos

Web: HTML, MHTML
Archivos: ZIP, TAR, 7Z
e-Libros: CHM, EPUB, FB2, MOBI

Características de GroupDocs.Parser for Java

Extraiga datos de PDF, documentos de Office e imágenes de manera rápida y precisa.

Extraer texto

Extraiga información textual de varios formatos de archivo como documentos de oficina, archivos PDF e imágenes para una fácil legibilidad y análisis.

Extraer imágenes

Recupere contenido visual de diversas fuentes, como documentos de oficina y archivos PDF, para un acceso y uso conveniente.

Escanear códigos QR

Detecte y decodifique códigos QR presentes en documentos de oficina, archivos PDF o contenido visual para una eficiente recuperación de información.

Extraer datos de archivos adjuntos de correo electrónico y archivos comprimidos

Reúna información valiosa de mensajes de correo electrónico, archivos adjuntos y fuentes de datos comprimidos para un análisis y utilización efectiva.

Extraer tablas

Identifique y extraiga datos tabulares de documentos PDF para un análisis y uso organizado.

Extraer hipervínculos

Ubique y extraiga hipervínculos y direcciones de correo electrónico dentro de documentos de oficina o archivos PDF para un acceso eficiente.

Analizar formularios PDF

Los formularios PDF son documentos digitales con campos rellenables para la interacción del usuario, permitiendo ingresar información electrónicamente. La API .NET puede ser utilizada para extraer datos de estos formularios para un procesamiento eficiente.

Analizar datos por plantillas

Cree plantillas personalizadas y utilícelas con la API .NET para analizar información específica de archivos PDF, simplificando los procesos de extracción de datos.

Buscar un texto en documentos

Localice rápidamente palabras o patrones específicos dentro de los documentos.

Ejemplos de código

Algunos casos de uso de operaciones típicas de GroupDocs.Parser for Java

Extraer imágenes de documentos PDF

GroupDocs.Parser for Java facilita a los desarrolladores Java extraer imágenes de documentos:

Extraer imágenes de documentos PDF en Java

// Cree una instancia de la clase Parser.
try (Parser parser = new Parser("source.pdf"))
{
    // Extraiga imágenes.
    Iterable<PageImageArea> images = parser.getImages();

    // Verifique si se extrajo algo.
    if (images == null) {
        return;
    }

    // Itere sobre las imágenes.
    for (PageImageArea image : images) {
        // Imprima el índice de la página, rectángulo y tipo de imagen.
        System.out.println(String.format("Page: %d, R: %s, Type: %s", 
            image.getPage().getIndex(), image.getRectangle(), image.getFileType()));
    }
}

Extraer códigos de barras de imágenes

Utilice nuestra API Java para extraer códigos de barras de imágenes:

Extraer códigos de barras de imágenes en Java

// Cargue la imagen fuente en Parser.
try (Parser parser = new Parser("source.jpg")){

    // Verifique si el archivo es compatible con la extracción de códigos de barras.
    if (!parser.getFeatures().isBarcodes()) {

        // Extraiga códigos de barras del archivo.
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();

        // Itere sobre los códigos de barras.
        for (PageBarcodeArea barcode : barcodes) {
            // Imprima el índice de la página.
            System.out.println("Page: " + barcode.getPage().getIndex());
            // Imprima el valor del código de barras.
            System.out.println("Value: " + barcode.getValue());
        }
    }
}