Suivez les étapes ci-dessous pour extraire du texte à partir de fichiers PDF en utilisant GroupDocs.Parser dans votre projet Java :
// Initialisez Parser avec votre document
try (Parser parser = new Parser("input.pdf"))
{
// Lisez et extrayez toutes les données textuelles
try (TextReader reader = parser.getText())
{
// Retournez null si le contenu textuel est absent
// Intégrez le texte extrait dans votre flux de travail
System.out.println(reader == null ?
"Ignorez les formats d'extraction de texte non pris en charge" : 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 va au-delà de l’extraction de texte simple, prenant en charge la récupération d’images, de métadonnées et de données structurées pour améliorer les tâches de traitement de contenu.
Capturez à la fois du texte brut et structuré à partir de DOCX, XLSX, PPTX, PDF, HTML et d’autres formats.
Analysez le texte à partir de documents numérisés, de diapositives, de tableaux et d’autres types de fichiers tout en préservant la structure logique.
Configurez des plages de pages, des zones de mise en page et des paramètres de précision pour un parsing de texte finement réglé.
Cet exemple montre comment extraire des blocs de texte avec leurs coordonnées spatiales d’une présentation PowerPoint à l’aide de GroupDocs.Parser.
// Chargez votre fichier PPTX avec l'API Parser
try (Parser parser = new Parser("input.pptx"))
{
// Obtenez toutes les zones de texte rectangulaires
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Quittez si cette fonctionnalité n'est pas prise en charge
if (areas == null)
{
return;
}
// Parcourez les zones de texte par page
for (PageTextArea a : areas)
{
// Traitez chaque bloc de texte avec son numéro de page et son rectangle de délimitation
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Téléchargez GroupDocs.Parser gratuitement ou obtenez une licence d’essai pour un accès complet !
Explorez la documentation, les échantillons de code et le soutien communautaire pour améliorer votre expérience.
GroupDocs.Parser est capable de récupérer le contenu textuel à partir de nombreux formats de fichiers et d’images. Voici les types les plus couramment utilisés qu’il prend en charge.
