Thực hiện các bước dưới đây để trích xuất văn bản từ các tệp PDF sử dụng GroupDocs.Parser trong dự án Java của bạn:
// Khởi tạo Parser với tài liệu của bạn
try (Parser parser = new Parser("input.pdf"))
{
// Đọc và trích xuất toàn bộ dữ liệu văn bản
try (TextReader reader = parser.getText())
{
// Trả về null nếu nội dung văn bản không có
// Tích hợp văn bản đã trích xuất vào quy trình làm việc của bạn
System.out.println(reader == null ?
"Bỏ qua các định dạng không hỗ trợ trích xuất văn bản" : 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 vượt ra ngoài việc trích xuất văn bản đơn giản—hỗ trợ việc truy xuất hình ảnh, siêu dữ liệu và dữ liệu có cấu trúc để nâng cao các tác vụ xử lý nội dung.
Trích xuất văn bản thô và có cấu trúc từ DOCX, XLSX, PPTX, PDF, HTML và nhiều định dạng khác.
Phân tích văn bản từ các tài liệu quét, slide, bảng tính và các loại tệp khác trong khi vẫn giữ nguyên cấu trúc logic.
Cấu hình phạm vi trang, vùng bố cục và các tham số độ chính xác để tối ưu hóa việc phân tích văn bản.
Mẫu này minh họa việc trích xuất các khối văn bản cùng với tọa độ không gian của chúng từ một bài thuyết trình PowerPoint bằng cách sử dụng GroupDocs.Parser.
// Tải tệp PPTX của bạn với API Parser
try (Parser parser = new Parser("input.pptx"))
{
// Lấy tất cả các vùng văn bản hình chữ nhật
IEnumerable<PageTextArea> areas = parser.GetTextAreas();
// Thoát nếu chức năng này không được hỗ trợ
if (areas == null)
{
return;
}
// Lặp qua các khu vực văn bản theo trang
for (PageTextArea a : areas)
{
// Xử lý từng khối văn bản với số trang và hình chữ nhật bao quanh
System.out.println(String.format("Page: %d, R: %s, Text: %s", a.getPage().getIndex(), a.getRectangle(), a.getText()));
}
}
Tải xuống GroupDocs.Parser miễn phí hoặc nhận giấy phép dùng thử để có toàn quyền truy cập!
Khám phá tài liệu, mẫu mã và hỗ trợ cộng đồng để nâng cao trải nghiệm của bạn.
GroupDocs.Parser có khả năng trích xuất nội dung văn bản từ nhiều định dạng tệp và hình ảnh khác nhau. Dưới đây là những loại tệp thông dụng nhất mà nó hỗ trợ.
