Parser برای Java

SDK تجزیه‌گر سند برای Java

قابلیت تجزیه سریع و دقیق اسناد را به برنامه‌های Java خود اضافه کنید و متن، تصاویر، فراداده و داده‌های ساختار یافته را از اسناد و تصاویر استخراج کنید.

Maven دانلود آزمایش رایگان را شروع کنید

نسخه 24.9 منتشر شد

جدیدهای نسخه را ببینید

// فایل منبع را به نمونه Parser پاس دهید
try (Parser parser = new Parser("source.pdf"))
{
    // متن سند را به TextReader پاس دهید
    try (TextReader reader = parser.getText())
    {
        // متن سند را پردازش کنید
        System.out.println(reader == null 
            ? "" 
            : reader.readToEnd());
    }
}

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

GroupDocs.Parser در یک نگاه

SDK تجزیه‌گر سند برای انجام تجزیه دقیق اسناد در برنامه‌های Java

استخراج داده‌ها از اسناد

API GroupDocs.Parser for Java به شما امکان می‌دهد تا متن، فراداده و تصاویر را از طیف وسیعی از قالب‌های فایل مانند اسناد Office، ایمیل‌ها، پیوست‌ها و بایگانی‌ها بازیابی کنید. این ابزار قدرتمند به شما کمک می‌کند تا به‌صورت کارآمد به اطلاعات ارزشمند موجود در این فایل‌ها دسترسی پیدا کنید و آنها را برای کاربردهای مختلفی مانند تحلیل داده، ایندکس‌گذاری موتورهای جستجو یا سیستم‌های مدیریت محتوا پردازش نمایید.

تجزیه اسناد

عناصر مختلفی مانند پیوندها، جداول، کدهای QR، بارکدها و داده‌ها را از فرم‌های PDF استخراج کنید. همچنین با استفاده از قالب‌های سفارشی، هر اطلاعات مورد نظر را از اسناد تجزیه کنید.

سفارشی‌سازی نتایج

Java API به شما امکان می‌دهد داده‌ها را در قالب‌های مختلفی مانند خام، ساختار یافته، HTML یا Markdown بازیابی کنید. علاوه بر این، API قابلیت جستجو برای یافتن کلمات یا عبارات خاص در متن اسناد را فراهم می‌کند.

استقلال پلتفرم

GroupDocs.Parser for Java سیستم‌عامل‌ها، چارچوب‌ها و مدیران بسته زیر را پشتیبانی می‌کند

قالب‌های فایل پشتیبانی شده

GroupDocs.Parser for Java عملیات با قالب‌های فایل زیر را پشتیبانی می‌کند.

فرمت‌های 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

تصاویر و فرمت‌های دیگر

قابل حمل: PDF
تصاویر: JPG, BMP, PNG, TIFF, GIF
قالب‌های دیگر آفیس: ODT, OTT, OTS, ODS, ODP, OTP, ODG

فرمت‌های دیگر

وب: HTML, MHTML
آرشیوها: ZIP, TAR, 7Z
کتاب‌های الکترونیکی: CHM, EPUB, FB2, MOBI

قابلیت‌های GroupDocs.Parser for Java

داده‌ها را از PDFها، اسناد Office، تصاویر و سایر فرمت‌ها به‌سرعت و با دقت با Java Document Parser SDK ما استخراج کنید.

استخراج متن

اطلاعات متنی را از فرمت‌های مختلف فایل مانند اسناد آفیس، فایل‌های PDF و تصاویر استخراج کنید تا قابلیت خواندن و تحلیل آسان را داشته باشید.

استخراج تصاویر

محتوای تصویری را از منابع متنوعی مانند اسناد آفیس و فایل‌های PDF بازیابی کنید برای دسترسی و استفاده راحت.

اسکن کدهای QR

کدهای QR موجود در اسناد آفیس، فایل‌های PDF یا محتوای تصویری را شناسایی و رمزگشایی کنید برای بازیابی مؤثر اطلاعات.

استخراج داده‌ها از پیوست‌های ایمیل و آرشیوها

اطلاعات ارزشمند را از پیام‌های ایمیل، پیوست‌های فایل و منابع داده فشرده جمع‌آوری کنید تا برای تجزیه و تحلیل و بهره‌برداری مؤثر به کار رود.

استخراج جداول

داده‌های جدولی را از اسناد PDF شناسایی و استخراج کنید برای تجزیه و تحلیل منظم و استفاده.

استخراج پیوندهای ابرمتنی

پیوندهای ابرمتنی و آدرس‌های ایمیل را در اسناد آفیس یا فایل‌های PDF پیدا کرده و استخراج کنید برای دسترسی کارآمد.

تجزیه فرم‌های PDF

فرم‌های PDF اسناد دیجیتالی هستند که دارای فیلدهای قابل پرکردن برای تعامل کاربر می‌باشند و به آنها امکان وارد کردن اطلاعات به‌صورت الکترونیکی را می‌دهند. می‌توان از API .NET برای استخراج داده‌ها از این فرم‌ها جهت پردازش کارآمد استفاده کرد.

تجزیه داده‌ها با قالب‌ها

قالب‌های سفارشی ایجاد کنید و با استفاده از API .NET، اطلاعات خاصی را از فایل‌های PDF تجزیه کنید، که فرآیند استخراج داده‌ها را ساده می‌کند.

جستجوی متن در اسناد

به‌سرعت کلمات یا الگوهای خاص را در اسناد پیدا کنید.

نمونه‌های کد

برخی موارد استفاده رایج از عملیات GroupDocs.Parser for Java

استخراج تصاویر از اسناد PDF

GroupDocs.Parser for Java برای توسعه‌دهندگان Java استخراج تصاویر از اسناد را آسان می‌کند:

استخراج تصاویر از اسناد PDF در Java

// یک نمونه از کلاس Parser ایجاد کنید
try (Parser parser = new Parser("source.pdf"))
{
    // استخراج تصاویر
    Iterable<PageImageArea> images = parser.getImages();

    // بررسی کنید آیا چیزی استخراج شده است
    if (images == null) {
        return;
    }

    // تکرار بر روی تصاویر
    for (PageImageArea image : images) {
        // چاپ شاخص صفحه، مستطیل و نوع تصویر
        System.out.println(String.format("Page: %d, R: %s, Type: %s", 
            image.getPage().getIndex(), image.getRectangle(), image.getFileType()));
    }
}

استخراج بارکدها از تصاویر

از API Java ما برای استخراج بارکدها از تصاویر استفاده کنید:

استخراج بارکدها از تصاویر در Java

// بارگذاری تصویر منبع به Parser
try (Parser parser = new Parser("source.jpg")){

    // بررسی کنید آیا فایل از استخراج بارکد پشتیبانی می‌کند
    if (!parser.getFeatures().isBarcodes()) {

        // استخراج بارکدها از فایل
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();

        // تکرار بر روی بارکدها
        for (PageBarcodeArea barcode : barcodes) {
            // چاپ شاخص صفحه
            System.out.println("Page: " + barcode.getPage().getIndex());
            // چاپ مقدار بارکد
            System.out.println("Value: " + barcode.getValue());
        }
    }
}