Parser برای Java

تحلیل اسناد از طریق API Java

استخراج داده‌ها از اسناد و تصاویر در هر پلتفرم با استفاده از API های انعطاف‌پذیر ما و راه‌حل‌های مبتنی بر برنامه برای برنامه‌نویسان و کاربران نهایی.

Maven دانلود آزمایش رایگان را شروع کنید

نسخه 25.5 منتشر شد

ببینید چه چیزهایی جدید است

// فایل منبع را به نمونه Parser پاس دهید.
try (Parser parser = new Parser("source.pdf"))
{
    // متن سند را به TextReader پاس دهید.
    try (TextReader reader = parser.getText())
    {
        // متن سند را پردازش کنید.
        System.out.println(reader == null 
            ? "" 
            : reader.readToEnd());
    }
}

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

GroupDocs.Parser در یک نظر

API برای انجام تحلیل اسناد در برنامه‌های Java

استخراج داده‌ها از اسناد

GroupDocs.Parser for Java API به شما این امکان را می‌دهد که متن، متاداده و تصاویر را از دامنه وسیعی از فرمت‌های فایل استخراج کنید. این ابزار قوی به شما کمک می‌کند تا به‌طور مؤثر به اطلاعات ارزشمندی که در این فایل‌ها وجود دارد برای کاربردهای مختلفی همچون تحلیل داده، ایندکس‌سازی موتور جستجو یا سیستم‌های مدیریت محتوا دسترسی و پردازش کنید.

تحلیل اسناد

استخراج عناصر مختلفی مانند هایپرلینک‌ها، جداول، بارکدها، بارکدهای QR و داده‌ها از فرم‌های PDF. همچنین می‌توانید هر اطلاعات دلخواهی را بر اساس الگوهای سفارشی استخراج کنید.

سفارشی‌سازی نتایج

Java API به شما این امکان را می‌دهد که داده‌ها را در فرمت‌های مختلفی همچون خام، ساختاریافته، HTML یا Markdown استخراج کنید.

استقلال از پلتفرم

GroupDocs.Parser for Java از سیستم‌عامل‌ها، فریم‌ورک‌ها و مدیران بسته های زیر پشتیبانی می‌کند.

فرمت‌های پشتیبانی شده

GroupDocs.Parser for Java از عملیات روی فرمت‌های فایل زیر پشتیبانی می‌کند.

فرمت‌های 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

تصاویر و سایر فرمت‌ها

قابل حمل: PDF
تصاویر: JPG, BMP, PNG, TIFF, GIF
سایر فرمت‌های اداری: ODT, OTT, OTS, ODS, ODP, OTP, ODG

سایر فرمت‌ها

وب: HTML, MHTML
آرشیوها: ZIP, TAR, 7Z
کتاب‌های الکترونیکی: CHM, EPUB, FB2, MOBI

ویژگی‌های GroupDocs.Parser for Java

استخراج داده‌ها از PDF ها، اسناد اداری و تصاویر به‌سرعت و به‌طور دقیق

استخراج متن

استخراج اطلاعات متنی از فرمت‌های مختلف فایل مانند اسناد اداری، فایل‌های PDF و تصاویر برای خوانایی و تحلیل آسان.

استخراج تصاویر

بازیابی محتوای بصری از منابع مختلف مانند اسناد اداری و فایل‌های PDF برای دسترسی و استفاده راحت.

اسکن بارکدهای QR

شناسایی و رمزگشایی بارکدهای QR موجود در اسناد اداری، فایل‌های PDF یا محتوای بصری برای بازیابی اطلاعات مؤثر.

استخراج داده از پیوست‌های ایمیل و آرشیوها

جمع‌آوری اطلاعات ارزشمند از پیام‌های ایمیل، پیوست‌های فایل و منابع داده‌های فشرده برای تحلیل و استفاده مؤثر.

استخراج جداول

شناسایی و استخراج داده‌های جدولی از اسناد PDF برای تحلیل و استفاده سازمان‌یافته.

استخراج هایپرلینک‌ها

شناسایی و استخراج هایپرلینک‌ها و آدرس‌های ایمیل موجود در اسناد اداری یا فایل‌های PDF برای دسترسی مؤثر.

تحلیل فرم‌های PDF

فرم‌های PDF اسنادی دیجیتالی هستند که دارای فیلدهای قابل پر کردن برای تعامل کاربر می‌باشند، به آن‌ها این امکان را می‌دهد که اطلاعات را به‌صورت الکترونیکی وارد کنند. API .NET می‌تواند برای استخراج داده‌ها از این فرم‌ها به‌منظور پردازش مؤثر استفاده شود.

تحلیل داده با الگوها

ایجاد الگوهای سفارشی و استفاده از آن‌ها با API .NET برای استخراج اطلاعات خاص از فایل‌های PDF، فرآیندهای استخراج داده را ساده می‌کند.

جستجوی متن در اسناد

به‌سرعت کلمات یا الگوهای خاصی را در اسناد پیدا کنید.

نمونه‌های کد

برخی از نمونه‌های معمول GroupDocs.Parser for Java

استخراج تصاویر از اسناد PDF

GroupDocs.Parser for Java فرآیند استخراج تصاویر را برای توسعه‌دهندگان Java از اسناد آسان می‌کند:

استخراج تصاویر از اسناد PDF در Java

// یک نمونه از کلاس Parser ایجاد کنید.
try (Parser parser = new Parser("source.pdf"))
{
    // تصاویر را استخراج کنید.
    Iterable<PageImageArea> images = parser.getImages();

    // بررسی کنید که آیا چیزی استخراج شده است.
    if (images == null) {
        return;
    }

    // بر روی تصاویر تکرار کنید.
    for (PageImageArea image : images) {
        // ایندکس صفحه، مستطیل و نوع تصویر را چاپ کنید.
        System.out.println(String.format("Page: %d, R: %s, Type: %s", 
            image.getPage().getIndex(), image.getRectangle(), image.getFileType()));
    }
}

استخراج بارکدها از تصاویر

از API Java ما برای استخراج بارکدها از تصاویر استفاده کنید:

استخراج بارکدها از تصاویر در Java

// تصویر منبع را به Parser بارگذاری کنید.
try (Parser parser = new Parser("source.jpg")){

    // بررسی کنید که آیا فایل از استخراج بارکد پشتیبانی می‌کند.
    if (!parser.getFeatures().isBarcodes()) {

        // بارکدها را از فایل استخراج کنید.
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();

        // بر روی بارکدها تکرار کنید.
        for (PageBarcodeArea barcode : barcodes) {
            // ایندکس صفحه را چاپ کنید.
            System.out.println("Page: " + barcode.getPage().getIndex());
            // مقدار بارکد را چاپ کنید.
            System.out.println("Value: " + barcode.getValue());
        }
    }
}