Следуйте шагам ниже, чтобы извлечь текст из файлов PDF с помощью GroupDocs.Parser в вашем проекте Java:
// Инициализируйте Parser с вашим документом
try (Parser parser = new Parser("input.pdf"))
{
// Прочитайте и извлеките все текстовые данные
try (TextReader reader = parser.getText())
{
// Верните null, если текстовое содержимое отсутствует
// Интегрируйте извлеченный текст в ваш рабочий процесс
System.out.println(reader == null ?
"Пропустите неподдерживаемые форматы извлечения текста" : 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 предлагает не только простое извлечение текста — поддерживает получение изображений, метаданных и структурированных данных для улучшения задач обработки содержимого.
Извлечение как неструктурированного, так и структурированного текста из DOCX, XLSX, PPTX, PDF, HTML и других форматов.
Парсинг текста из сканированных документов, слайдов, таблиц и других типов файлов с сохранением логической структуры.
Настройка диапазонов страниц, зон макета и параметров точности для тонкой настройки извлечения текста.
Этот пример демонстрирует извлечение текстовых блоков вместе с их пространственными координатами из презентации PowerPoint с использованием GroupDocs.Parser.
// Загрузите ваш файл PPTX с помощью API Parser
try (Parser parser = new Parser("input.pptx"))
{
// Получите все прямоугольные текстовые зоны
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Выходите, если эта функция не поддерживается
if (areas == null)
{
return;
}
// Обходите текстовые области по страницам
for (PageTextArea a : areas)
{
// Обрабатывайте каждый текстовый блок с его номером страницы и ограничивающей прямоугольной областью
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Загрузите GroupDocs.Parser бесплатно или получите пробную лицензию для полного доступа!
Изучите документацию, примеры кода и раздел поддержки, чтобы улучшить ваш опыт.
GroupDocs.Parser способен извлекать текстовое содержимое из многочисленных файловых и графических форматов. Ниже приведены самые распространенные типы, которые он поддерживает.
