Parser 対象 .NET Parser 対象 Java Parser 対象 Python

Parser 対象 Node.js via Java

Document Parser SDK（Node.js 用）

Node.js アプリに高速かつ正確なドキュメント解析を追加し、JavaScript でドキュメントや画像からテキスト、画像、メタデータ、構造化データを抽出します。

NPMのダウンロード無料トライアルを開始する

バージョン 26.9.0 がリリースされました

新機能を見る

const groupdocs = require('@groupdocs/groupdocs.parser');

// ドキュメントをロードする
const parser = new groupdocs.Parser("sample.pdf");

// ドキュメントからテキストを抽出する
const reader = parser.getText();

// 抽出したテキストをすべて出力する
console.log(reader === null ? "" : reader.readToEnd());

parser.close();

npm i @groupdocs/groupdocs.parser

GroupDocs.Parser の概要

Node.js アプリケーションで高精度のドキュメント解析を実行するための Document Parser SDK

ドキュメントからデータを抽出

GroupDocs.Parser for Node.js via Java API を使用すると、Office 文書、メール、添付ファイル、アーカイブなど、幅広いファイル形式からテキスト、メタデータ、画像を取得できます。この強力なツールは、データ分析、検索エンジンのインデックス作成、コンテンツ管理システムなどのさまざまなアプリケーションで、ファイルに含まれる貴重な情報へ効率的にアクセスし、処理するのに役立ちます。

ドキュメントを解析

PDF フォームからハイパーリンク、表、QR コード、バーコード、データなどさまざまな要素を抽出します。また、カスタムテンプレートを使用してドキュメントから任意の情報を解析できます。

結果のカスタマイズ

Node.js API を使用すると、RAW、構造化、HTML、Markdown などのさまざまな形式でデータを取得できます。また、ドキュメントテキスト内で特定の単語やフレーズを検索する機能も提供します。

プラットフォームに依存しない

GroupDocs.Parser for Node.js via Java は以下のオペレーティングシステム、フレームワーク、パッケージマネージャーをサポートします

サポートされているファイル形式

GroupDocs.Parser for Node.js via Java は以下のファイル形式に対応しています。

Microsoft Office 形式

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

画像 & その他の形式

ポータブル: PDF
画像: JPG, BMP, PNG, TIFF, GIF
その他のオフィス形式: ODT, OTT, OTS, ODS, ODP, OTP, ODG

その他の形式

Web: HTML, MHTML
アーカイブ: ZIP, TAR, 7Z
電子書籍: CHM, EPUB, FB2, MOBI

GroupDocs.Parser for Node.js via Java の機能

Node.js 用 Document Parser SDK を使用して、PDF、Office 文書、画像、その他の形式からデータを迅速かつ正確に抽出します。

テキスト抽出

Office 文書、PDF ファイル、画像などさまざまなファイル形式からテキスト情報を抽出し、読みやすく分析しやすくします。

画像抽出

Office 文書や PDF ファイルなど多様なソースからビジュアルコンテンツを取得し、便利に利用できます。

QR コードのスキャン

Office 文書、PDF ファイル、ビジュアルコンテンツ内にある QR コードを検出・デコードし、効率的に情報を取得します。

メール添付ファイルおよびアーカイブからデータを抽出

メールメッセージ、ファイル添付、圧縮データソースから有用な情報を収集し、効果的に分析・活用できます。

表の抽出

PDF ドキュメントから表形式データを識別し抽出して、整理された分析や利用に活かします。

ハイパーリンク抽出

Office 文書や PDF ファイル内のハイパーリンクやメールアドレスを検索・抽出し、効率的にアクセスできます。

PDF フォームを解析

PDF フォームは、ユーザーが入力できるフィールドを備えたデジタル文書で、情報を電子的に入力できます。Node.js API を利用して、これらのフォームからデータを抽出し、効率的に処理できます。

テンプレートでデータを解析

カスタムテンプレートを作成し、Node.js API と組み合わせて PDF ファイルから特定の情報を解析し、データ抽出プロセスを簡素化します。

文書内のテキスト検索

文書内の特定の単語やパターンを迅速に見つけます。

コードサンプル

基本的なテキスト抽出に加えて、テキスト、画像、メタデータの高速抽出に最も一般的なユースケースを紹介します。

文書内のテキスト検索

この例では、PDF 文書内の単語を検索し、すべての一致箇所のページ番号と位置を出力する方法を示します。

JavaScript で文書内のテキスト検索

const groupdocs = require('@groupdocs/groupdocs.parser');

// 文書をロード
const parser = new groupdocs.Parser("sample.pdf");

// ページ単位で単語を検索
const options = new groupdocs.SearchOptions(false, false, false, true);
const results = parser.search("Lorem", options);

// 一致ごとのページインデックス、位置、テキストを出力
const it = results.iterator();
while (it.hasNext()) {
    const result = it.next();
    console.log(`Page ${result.getPageIndex()}, position ${result.getPosition()}: ${result.getText()}`);
}

parser.close();

文書から画像を抽出

この例では、PDF 文書から画像を抽出し、PNG ファイルとして保存する方法を示します。

JavaScript で文書から画像を抽出

const groupdocs = require('@groupdocs/groupdocs.parser');

// 文書をロード
const parser = new groupdocs.Parser("images.pdf");

// 文書から画像を抽出
const images = parser.getImages();

// 画像を PNG ファイルとして保存
const options = new groupdocs.ImageOptions(groupdocs.ImageFormat.Png);
let index = 1;
const it = images.iterator();
while (it.hasNext()) {
    it.next().save(`image_${index++}.png`, options);
}

parser.close();

文書からメタデータを抽出

この例では、PDF 文書からメタデータを抽出し、出力する方法を示します。

JavaScript で文書からメタデータを抽出

const groupdocs = require('@groupdocs/groupdocs.parser');

// 文書をロード
const parser = new groupdocs.Parser("sample.pdf");

// 文書からメタデータを抽出
const metadata = parser.getMetadata();

// メタデータを出力
const it = metadata.iterator();
while (it.hasNext()) {
    const item = it.next();
    console.log(`${item.getName()}: ${item.getValue()}`);
}

parser.close();