Segui i passaggi seguenti per estrarre testo da file PDF utilizzando GroupDocs.Parser nel tuo progetto Java:
// Inizializza Parser con il tuo documento
try (Parser parser = new Parser("input.pdf"))
{
// Leggi ed estrai tutti i dati testuali
try (TextReader reader = parser.getText())
{
// Restituisci null se il contenuto testuale è assente
// Integra il testo estratto nel tuo flusso di lavoro
System.out.println(reader == null ?
"Salta i formati non supportati per l'estrazione del testo" : 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 oltrepassa l’estrazione di testo semplice—supportando il recupero di immagini, metadati e dati strutturati per migliorare le attività di elaborazione dei contenuti.
Cattura sia testo grezzo che strutturato da DOCX, XLSX, PPTX, PDF, HTML e vari formati.
Analizza il testo da documenti scansionati, diapositive, fogli di calcolo e altri tipi di file mantenendo la struttura logica.
Configura intervalli di pagina, zone di layout e parametri di accuratezza per un’analisi testuale fine-tuned.
Questo esempio dimostra l’estrazione di blocchi di testo insieme alle loro coordinate spaziali da una presentazione PowerPoint utilizzando GroupDocs.Parser.
// Carica il tuo file PPTX con l'API Parser
try (Parser parser = new Parser("input.pptx"))
{
// Ottieni tutte le aree di testo rettangolari
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Esci se questa funzione non è supportata
if (areas == null)
{
return;
}
// Cicla attraverso le aree di testo per pagina
for (PageTextArea a : areas)
{
// Elabora ogni blocco di testo con il numero di pagina e il rettangolo di confinamento
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Scarica GroupDocs.Parser gratuitamente o ottieni una licenza di prova per l’accesso completo!
Esplora la documentazione, i campioni di codice e il supporto della comunità per migliorare la tua esperienza.
GroupDocs.Parser è in grado di estrarre contenuti testuali da numerosi formati di file e immagini. Di seguito sono riportati i tipi più comunemente utilizzati che supporta.
