Parser для Java

Обробка документів через API Java

Витягуйте дані з документів та зображень на будь-якій платформі, використовуючи наші гнучкі API та рішення на базі додатків для програмістів і кінцевих користувачів.

Завантажити Maven Почніть безкоштовну пробну версію

Версія 24.9 випущена

Дивіться, що нового

// Передайте вихідний файл екземпляру Parser
try (Parser parser = new Parser("source.pdf"))
{
    // Передайте текст документа в TextReader
    try (TextReader reader = parser.getText())
    {
        // Обробіть текст документа
        System.out.println(reader == null 
            ? "" 
            : reader.readToEnd());
    }
}

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

GroupDocs.Parser на перший погляд

API для виконання обробки документів у застосунках Java

Витяг даних з документів

GroupDocs.Parser for Java API дозволяє вам отримувати текст, метадані та зображення з широкого спектра форматів файлів, таких як офісні документи, електронні пошти, вкладення та архіви. Цей потужний інструмент допомагає ефективно отримувати та обробляти цінну інформацію, що міститься в цих файлах для різних застосувань, таких як аналіз даних, індексація пошукових систем або контент-менеджмент системи.

Парсинг документів

Витягуйте різні елементи, такі як гіперпосилання, таблиці, QR-коди, штрих-коди та дані з PDF форм. Також витягуйте будь-яку необхідну інформацію з документів, використовуючи власні шаблони.

Налаштування результатів

Java API дозволяє вам отримувати дані у різних форматах, таких як сирий, структурований, HTML або Markdown. Додатково, API пропонує функцію пошуку для знаходження конкретних слів або фраз у тексті документів.

Незалежність платформи

GroupDocs.Parser for Java підтримує наступні операційні системи, фреймворки та менеджери пакетів.

Підтримувані формати файлів

GroupDocs.Parser for Java підтримує операції з наступними форматами файлів.

Формати Microsoft Office

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

Зображення та інші формати

Портативні: PDF
Зображення: JPG, BMP, PNG, TIFF, GIF
Інші офісні формати: ODT, OTT, OTS, ODS, ODP, OTP, ODG

Інші формати

Веб: HTML, MHTML
Архіви: ZIP, TAR, 7Z
e-Books: CHM, EPUB, FB2, MOBI

GroupDocs.Parser for Java функції

Витягуйте дані з PDF, офісних документів та зображень швидко і точно

Витяг тексту

Витягуйте текстову інформацію з різних форматів файлів, таких як офісні документи, PDF файли та зображення для зручного читання та аналізу.

Витяг зображень

Отримуйте візуальний контент з різних джерел, таких як офісні документи, PDF файли для зручного доступу та використання.

Сканування QR кодів

Визначайте та декодуйте QR коди, що присутні в офісних документах, PDF файлах або візуальному контенті для ефективного отримання інформації.

Витяг даних з вкладень електронної пошти та архівів

Збирайте цінну інформацію з електронних листів, вкладень файлів та стиснених джерел даних для ефективного аналізу та використання.

Витяг таблиць

Визначайте та витягуйте табличні дані з PDF документів для організованого аналізу та використання.

Витяг гіперпосилань

Знаходьте та витягуйте гіперпосилання та адреси електронної пошти в офісних документах або PDF файлах для ефективного доступу.

Обробка PDF форм

PDF форми — це цифрові документи з заповнювальними полями для взаємодії з користувачем, що дозволяє йому вводити інформацію електронно. API .NET може бути використано для витягання даних з цих форм для ефективної обробки.

Парсинг даних за шаблонами

Створюйте власні шаблони та використовуйте їх з API .NET для парсингу специфічної інформації з PDF файлів, спрощуючи процеси витягання даних.

Пошук тексту в документах

Швидко знаходьте конкретні слова чи зразки в документах.

Приклади коду

Декілька випадків використання типових операцій GroupDocs.Parser for Java

Витягніть зображення з PDF документів

GroupDocs.Parser for Java спрощує для розробників Java витягування зображень з документів:

Витягнути зображення з PDF документів на Java

// Створіть екземпляр класу Parser
try (Parser parser = new Parser("source.pdf"))
{
    // Витягніть зображення
    Iterable<PageImageArea> images = parser.getImages();

    // Перевірте, чи щось витягнуто
    if (images == null) {
        return;
    }

    // Ітеруйте по зображеннях
    for (PageImageArea image : images) {
        // Друкуйте індекс сторінки, прямокутник та тип зображення
        System.out.println(String.format("Page: %d, R: %s, Type: %s", 
            image.getPage().getIndex(), image.getRectangle(), image.getFileType()));
    }
}

Витягання штрих-кодів з зображень

Використовуйте наш Java API для витягання штрих-кодів з зображень:

Витягнути штрих-коди з зображень на Java

// Завантажте вихідне зображення в Parser
try (Parser parser = new Parser("source.jpg")){

    // Перевірте, чи підтримує файл витягнення штрих-кодів
    if (!parser.getFeatures().isBarcodes()) {

        // Витягніть штрих-коди з файлу
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();

        // Ітеруйте по штрих-кодах
        for (PageBarcodeArea barcode : barcodes) {
            // Друкуйте індекс сторінки
            System.out.println("Page: " + barcode.getPage().getIndex());
            // Друкуйте значення штрих-коду
            System.out.println("Value: " + barcode.getValue());
        }
    }
}