Prodotti
/ GroupDocs.Parser
/ Java
/ Extraire les hyperliens de DOC dans Java

Java API pour extraire des hyperliens à partir de documents, de pages ou d’une zone de page particulière

GroupDocs.Parser for Java L’API facilite le travail des développeurs en leur permettant d’extraire des hyperliens à partir de documents, de la page d’un document ou d’une page spécifique Zone de PDF, DOCX, PPTX, EML, MSG, XLS, {322 }, CSV, RTF, EPUB et bien d’autres.

Comment analyser et extraire les hyperliens des documents DOC via l'API Java ?

Un lien hypertexte est un morceau de texte ou une image ou une icône qui pointe vers un document entier ou vers une partie particulière d’un document. L’utilisation d’hyperliens permet aux utilisateurs de naviguer vers une page Web ou un document. Il est souvent nécessaire d’extraire des hyperliens d’un document et de l’utiliser pour accéder à un document externe ou à une page Web. GroupDocs.Parser for Java est une fascinante API d’extraction de texte de document qui fournit des fonctionnalités complètes pour la mise en œuvre de solutions d’extraction de texte et de métadonnées. Il prend en charge l’extraction de texte et d’hyperliens à partir des formats PDF, e-mails, livres électroniques, Microsoft Office : Word (DOC, DOCX), PowerPoint (PPT, PPTX), Excel ( XLS, XLSX), les formats LibreOffice et bien d’autres. Il prend en charge plusieurs fonctionnalités avancées pour l’analyse de documents, l’extraction de texte brut et structuré, la recherche de texte par mots-clés, l’extraction de métadonnées ou d’images, de conteneurs ainsi que de pièces jointes et bien d’autres.

Extraire les hyperliens de DOC dans Java

GroupDocs.Parser for Java permet aux développeurs Java d’extraire facilement des liens hypertexte d’un fichier DOC en mettant en œuvre quelques étapes simples.

Instanciez l’objet Parser pour le document initial ;
Vérifiez si le document prend en charge l’extraction de lien hypertexte ;
Appelez la méthode getHyperlinks et obtenez la collection de PageHyperlinkArea objets ;
Parcourez la collection et obtenez un texte de lien hypertexte et une URL.

En savoir plus sur l'extraction des hyperliens

Comment extraire des hyperliens du fichier DOC à l'aide de l'exemple de code Java

// Extraire les hyperliens du fichier DOC à l'aide de l'API GroupDocs.Parser
// Créer une instance de la classe Parser
try (Parser parser = new Parser(Constants.HyperlinksPdf)) {
    // Vérifiez si le document prend en charge l'extraction de lien hypertexte
    if (!parser.getFeatures().isHyperlinks()) {
        System.out.println("Le document ne prend pas en charge l'extraction de liens hypertexte.");
        return;
    }
    // Extraire les hyperliens du document
    Iterable<PageHyperlinkArea> hyperlinks = parser.getHyperlinks();
    // Itérer sur les hyperliens
    for (PageHyperlinkArea h : hyperlinks) {
        // Imprimer le texte du lien hypertexte
        System.out.println(h.getText());
        // Imprimer l'URL du lien hypertexte
        System.out.println(h.getUrl());
        System.out.println();
    }
}

Configuration requise

GroupDocs.Parser for Java Les API sont prises en charge sur toutes les principales plates-formes et systèmes d’exploitation. Avant d’exécuter le code ci-dessous, assurez-vous que les prérequis suivants sont installés sur votre système.

Systèmes d’exploitation : Microsoft Windows, Linux, MacOS
Environnements de développement : NetBeans, Intellij IDEA, Eclipse, etc.
Cadres
Téléchargez la dernière version de GroupDocs.Parser for Java depuis Maven

Pourquoi utiliser GroupDocs.Parser for Java

Prise en charge de l’extraction de texte brut à partir de tous les documents pris en charge
Analyse de documents via des modèles définis par l’utilisateur
Prise en charge complète de l’extraction de texte structuré
Recherche de texte par mot-clé ainsi que par expression régulière
Extraire du texte formaté, des métadonnées, des images, des conteneurs et des pièces jointes
Extraire la table des matières pour certains formats de document pris en charge
Analyser les données de formulaire de PDF documents
Extraire les hyperliens du document

Extraire des liens hypertexte à partir d'autres formats de documents

Java API d’analyse de documents et d’extraction d’hyperliens pour les formats de fichiers et les images. Extrayez les données pour certains des formats de fichiers populaires comme indiqué ci-dessous.

DOCM

(Microsoft Word 2007 Marco File)

DOCX

(Office 2007+ Word Document)

DOT

(Microsoft Word Template Files)

DOTM

(Microsoft Word 2007+ Template File)

DOTX

(Microsoft Word Template File )

EPUB

(Open eBook File)