Siga os passos abaixo para extrair texto de arquivos PDF usando GroupDocs.Parser dentro do seu projeto Java:
// Inicialize Parser com seu documento
try (Parser parser = new Parser("input.pdf"))
{
// Leia e extraia todos os dados textuais
try (TextReader reader = parser.getText())
{
// Retorne nulo se o conteúdo textual estiver ausente
// Integre o texto extraído ao seu fluxo de trabalho
System.out.println(reader == null ?
"Ignore formatos de extração de texto não suportados" : 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 vai além da extração simples de texto—suportando a recuperação de imagens, metadados e dados estruturados para aprimorar tarefas de processamento de conteúdo.
Capture tanto texto bruto quanto estruturado de DOCX, XLSX, PPTX, PDF, HTML e vários outros formatos.
Analise texto de documentos digitalizados, slides, planilhas e outros tipos de arquivos enquanto preserva a estrutura lógica.
Configurar faixas de páginas, zonas de layout e parâmetros de precisão para uma análise de texto refinada.
Este exemplo demonstra a extração de blocos de texto junto com suas coordenadas espaciais de uma apresentação PowerPoint usando GroupDocs.Parser.
// Carregue seu arquivo PPTX com a API Parser
try (Parser parser = new Parser("input.pptx"))
{
// Obtenha todas as zonas de texto retangulares
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Saia se este recurso não for suportado
if (areas == null)
{
return;
}
// Itere pelas áreas de texto por página
for (PageTextArea a : areas)
{
// Processar cada bloco de texto com seu número de página e retângulo delimitador
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Baixe GroupDocs.Parser gratuitamente ou obtenha uma licença de teste para acesso total!
Explore a documentação, as amostras de código e o apoio da comunidade para aprimorar sua experiência.
GroupDocs.Parser é capaz de extrair conteúdo textual de numerosos formatos de arquivos e imagens. Abaixo estão os tipos mais comumente usados que ele suporta.
