Para extraer información útil de documentos XML en tus proyectos de Java usando GroupDocs.Parser, sigue estas instrucciones:
// Inicializa tu Parser con el documento de entrada
try (Parser parser = new Parser("input.xml"))
{
// Recupera todo el contenido textual disponible del documento
try (TextReader reader = parser.getText())
{
// Si no se encuentra texto, el valor de retorno será nulo
// Incorpora el contenido extraído en tu solución
System.out.println(reader == null ?
"Este formato puede no soportar la extracción de texto" : 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 hace más que solo extracción de texto; admite el análisis completo de códigos de barras, metadatos, imágenes, tablas y otros datos para potenciar aplicaciones automatizadas e impulsadas por datos.
Accede a datos como texto, tablas y medios de tipos de archivo ampliamente utilizados como PDF, Word, Excel, PowerPoint, HTML, y otros.
Procesa contenido tanto de archivos digitales nativos como de imágenes escaneadas, utilizando OCR cuando sea necesario para interpretar texto incrustado.
Personaliza tu análisis con configuraciones para selección de páginas, zonas de diseño y plantillas de campos personalizados para satisfacer necesidades de extracción específicas.
Este ejemplo muestra cómo extraer campos estructurados de un PDF utilizando una plantilla personalizada a través de GroupDocs.Parser.
// Abre el PDF usando la clase Parser
try (Parser parser = new Parser("input.pdf"))
{
// Aplica la plantilla de análisis para extraer datos definidos
DocumentData data = parser.parseByTemplate(GetTemplate());
// Verifica si la extracción basada en la plantilla está disponible
if (data == null) {
return;
}
// Trabaja con los campos de datos extraídos
for (int i = 0; i < data.getCount(); i++) {
System.out.print(data.get(i).getName() + ": ");
PageTextArea area = data.get(i).getPageArea() instanceof PageTextArea
? (PageTextArea) data.get(i).getPageArea() : null;
System.out.println(area == null ? "Not a template field" : area.getText());
}
}
private static Template GetTemplate()
{
// Define configuraciones del detector para extraer la sección 'Detalles'
TemplateTableParameters detailsTableParameters =
new TemplateTableParameters(new Rectangle(new Point(35, 320), new Size(530, 55)), null);
TemplateItem[] templateItems = new TemplateItem[]
{
new TemplateTable(detailsTableParameters, "details", null)
};
Template template = new Template(java.util.Arrays.asList(templateItems));
return template;
}
Descargue GroupDocs.Parser gratis u obtenga una licencia de prueba para obtener acceso completo.
Explore la documentación, las muestras de código y el apoyo de la comunidad para mejorar su experiencia.
GroupDocs.Parser es compatible con una amplia variedad de tipos de archivos de documentos e imágenes, facilitando la extracción de información de formatos comúnmente utilizados en escenarios de análisis y automatización de datos.
