Parser для Java

Разбор документов
через API Java

Извлекайте данные из документов и изображений на любой платформе, используя наши гибкие API и решения на базе приложений для программистов и конечных пользователей.

Скачать Maven Бесплатная пробная версия

Версия 24.9 выпущена

Посмотрите, что нового

// Create an instance of Parser class
try (Parser parser = new Parser(fileName)) {
    // Extract a text into the reader
    try (TextReader reader = parser.getText()) {
        // Print a text from the document
        System.out.println(reader == null 
                ? "" 
                : reader.readToEnd());
    }
}

<dependency>
<groupId>com.groupdocs</groupId>
<artifactId>groupdocs-parser</artifactId>
<version>24.9</version>
</dependency>

GroupDocs.Parser: краткий обзор

API для выполнения анализа документов в приложениях Java

Извлечение данных из документов

API Java позволяет получать текст, метаданные и изображения из широкого спектра форматов файлов, таких как документы Office, электронные письма, вложения и архивы. Этот мощный инструмент помогает вам эффективно получать доступ и обрабатывать ценную информацию, содержащуюся в этих файлах, для различных приложений, таких как анализ данных, индексирование поисковыми системами или системы управления контентом.

Разбор документов

Извлекайте различные элементы, такие как гиперссылки, таблицы, QR-коды, штрих-коды и данные, из форм PDF. Также анализируйте любую желаемую информацию из документов, используя пользовательские шаблоны.

Настройка результатов

API Java позволяет получать данные в различных форматах, таких как необработанные, структурированные, HTML или Markdown. Кроме того, API предлагает функцию поиска определенных слов или фраз в тексте документов.

Независимость от платформы

GroupDocs.Parser for Java поддерживает следующие операционные системы, платформы и менеджеры пакетов.

Поддерживаемые форматы файлов

GroupDocs.Parser for Java поддерживает операции со следующими форматами файлов.

Microsoft Office форматы

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

Изображения и другие форматы

Portable: PDF
Изображений: JPG, BMP, PNG, TIFF, GIF, DICOM, WEBP
Другие форматы офисов: ODT, OTT, OTS, ODS, ODP, OTP, ODG

Другие форматы

Интернет: HTML, MHTML
Архивы: ZIP, TAR, 7Z
Электронные книги: CHM, EPUB, FB2, MOBI

Возможности GroupDocs.Parser

Быстро и точно извлекайте данные из PDF, документов Office и изображений.

Извлечь текст

Извлекайте текстовую информацию из файлов различных форматов, таких как офисные документы, файлы PDF и изображения, для удобства чтения и анализа.

Извлечение изображений

Извлекайте визуальный контент из различных источников, таких как офисные документы и файлы PDF, для удобного доступа и использования.

Сканировать QR-коды

Обнаруживайте и декодируйте QR-коды, присутствующие в офисных документах, файлах PDF или визуальном контенте, для эффективного поиска информации.

Извлечение данных из вложений и архивов электронной почты

Собирайте ценную информацию из сообщений электронной почты, вложенных файлов и источников сжатых данных для эффективного анализа и использования.

Извлечение таблиц

Идентификация и извлечение табличных данных из документов PDF для организованного анализа и использования.

Извлечение гиперссылок

Находите и извлекайте гиперссылки и адреса электронной почты в офисных документах или файлах PDF для эффективного доступа.

Анализ форм PDF

PDF Формы представляют собой цифровые документы с заполняемыми полями для взаимодействия с пользователем, позволяющими вводить информацию в электронном виде. API Java можно использовать для извлечения данных из этих форм для эффективной обработки.

Парсить данные по шаблонам

Создавайте собственные шаблоны и используйте их с API Java для анализа конкретной информации из файлов PDF, упрощая процессы извлечения данных.

Поиск текста в документах

Быстро находите определенные слова или шаблоны в документах.

Пример кода

Некоторые варианты использования типичных операций GroupDocs.Parser for Java

Извлечение изображений из документов PDF

API Java позволяет разработчикам Java легко извлекать изображения из документов, выполнив несколько простых шагов.

Извлечение изображений из документов PDF в Java

// Create an instance of Parser class
try (Parser parser = new Parser(fileName)) {
    // Extract images
    Iterable<PageImageArea> images = parser.getImages();
    // Check if images extraction is supported
    if (images != null) {
        int imageIndex = 0;
        // Iterate over images
        for (PageImageArea image : images) {
            // Save the image to the file
            image.save(String.format("%s%s", imageIndex, image.getFileType().getExtension()));
        }
    }
}

Извлечение штрих-кодов из изображений

API Java позволяет разработчикам Java легко извлекать штрих-коды из документов, выполнив несколько простых шагов.

Извлечение штрих-кодов из изображений

// Create an instance of Parser class
try (Parser parser = new Parser(fileName)) {
    // // Check if the file supports barcode extracting
    if (!parser.getFeatures().isBarcodes()) {
        // Extract barcodes from the file.
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();
        // Iterate over barcodes
        for (PageBarcodeArea barcode : barcodes) {
            // Print the page index
            System.out.println("Page: " + barcode.getPage().getIndex());
            // Print the barcode value
            System.out.println("Value: " + barcode.getValue());
        }
    }
}