const groupdocs = require('@groupdocs/groupdocs.parser');
// 加载文档
const parser = new groupdocs.Parser("sample.pdf");
// 从文档中提取文本
const reader = parser.getText();
// 打印所有提取的文本
console.log(reader === null ? "" : reader.readToEnd());
parser.close();
npm i @groupdocs/groupdocs.parser
在 Node.js 应用中执行高精度文档解析的 Document Parser SDK
GroupDocs.Parser for Node.js via Java API 使您能够从广泛的文件格式（如 Office 文档、电子邮件、附件和压缩包）检索文本、元数据和图像。此强大工具帮助您高效访问和处理这些文件中包含的有价值信息，可用于数据分析、搜索引擎索引或内容管理系统等各种应用。
从 PDF 表单中提取超链接、表格、二维码、条形码和数据等多种元素。同时使用自定义模板解析文档中任何所需的信息。
Node.js API 使您能够以原始、结构化、HTML 或 Markdown 等多种格式检索数据。此外，API 还提供搜索功能，可在文档文本中定位特定词语或短语。
GroupDocs.Parser for Node.js via Java 支持以下操作系统、框架和包管理器
GroupDocs.Parser for Node.js via Java 支持对以下 文件格式 的操作。
使用我们的 Node.js Document Parser SDK，快速、准确地从 PDF、Office 文档、图像和其他格式中提取数据
提取文本
从各种文件格式（如 Office 文档、PDF 文件和图像）中提取文本信息，便于阅读和分析。
提取图像
从 Office 文档、PDF 文件等多种来源检索视觉内容，方便访问和使用。
扫描二维码
检测并解码 Office 文档、PDF 文件或其他视觉内容中的二维码，以实现高效的信息检索。
从电子邮件附件和压缩包中提取数据
从电子邮件、文件附件和压缩数据源中收集有价值的信息，以便进行有效的分析和利用。
提取表格
识别并提取 PDF 文档中的表格数据，以实现有序的分析和使用。
提取超链接
定位并提取 Office 文档或 PDF 文件中的超链接和电子邮件地址，以实现高效访问。
解析 PDF 表单
PDF 表单是带有可填写字段的数字文档，供用户交互，可电子方式输入信息。Node.js API 可用于从这些表单中提取数据，以实现高效处理。
通过模板解析数据
创建自定义模板并结合 Node.js API 使用，以从 PDF 文件中解析特定信息，简化数据提取流程。
在文档中搜索文本
快速定位文档中的特定单词或模式。
除基本文本提取外，以下是快速提取文本、图像和元数据的常见用例。
此示例展示如何在 PDF 文档中搜索单词，并打印每个匹配项的页码和位置。
const groupdocs = require('@groupdocs/groupdocs.parser');
// 加载文档
const parser = new groupdocs.Parser("sample.pdf");
// 逐页搜索单词
const options = new groupdocs.SearchOptions(false, false, false, true);
const results = parser.search("Lorem", options);
// 打印每个匹配的页码、位置和文本
const it = results.iterator();
while (it.hasNext()) {
const result = it.next();
console.log(`Page ${result.getPageIndex()}, position ${result.getPosition()}: ${result.getText()}`);
}
parser.close();
此示例展示如何从 PDF 文档中提取图像并保存为 PNG 文件。
const groupdocs = require('@groupdocs/groupdocs.parser');
// 加载文档
const parser = new groupdocs.Parser("images.pdf");
// 从文档中提取图像
const images = parser.getImages();
// 将图像保存为 PNG 文件
const options = new groupdocs.ImageOptions(groupdocs.ImageFormat.Png);
let index = 1;
const it = images.iterator();
while (it.hasNext()) {
it.next().save(`image_${index++}.png`, options);
}
parser.close();
此示例展示如何从 PDF 文档中提取元数据并打印。
const groupdocs = require('@groupdocs/groupdocs.parser');
// 加载文档
const parser = new groupdocs.Parser("sample.pdf");
// 从文档中提取元数据
const metadata = parser.getMetadata();
// 打印元数据
const it = metadata.iterator();
while (it.hasNext()) {
const item = it.next();
console.log(`${item.getName()}: ${item.getValue()}`);
}
parser.close();
