Parser для Java

Document Parser SDK для Java

Добавьте быстрое и точное разбор документов в ваши приложения Java и извлекайте текст, изображения, метаданные и структурированные данные из документов и изображений.

Скачать Maven Бесплатная пробная версия

Выпущена версия 24.9

Посмотрите, что нового

// Передайте исходный файл в экземпляр Parser
try (Parser parser = new Parser("source.pdf"))
{
    // Передайте текст документа в TextReader
    try (TextReader reader = parser.getText())
    {
        // Обработайте 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 в двух словах

Document Parser SDK для выполнения высокоточного разбора документов в приложениях Java

Извлечение данных из документов

GroupDocs.Parser for Java API позволяет получать текст, метаданные и изображения из широкого спектра форматов файлов, таких как офисные документы, электронные письма, вложения и архивы. Этот мощный инструмент поможет вам эффективно получать доступ к ценнейшей информации, содержащейся в этих файлах, и обрабатывать её для различных задач, например анализа данных, индексации поисковых систем или систем управления контентом.

Разбор документов

Извлекайте различные элементы, такие как гиперссылки, таблицы, QR‑коды, штрихкоды и данные из PDF‑форм. Также разбирайте любую необходимую информацию из документов с помощью пользовательских шаблонов.

Настройка результатов

Java API позволяет получать данные в различных форматах, таких как необработанный, структурированный, HTML или Markdown. Кроме того, API предоставляет возможность поиска конкретных слов или фраз в тексте документов.

Независимость от платформы

GroupDocs.Parser for Java поддерживает следующие операционные системы, фреймворки и менеджеры пакетов

Поддерживаемые форматы файлов

GroupDocs.Parser for Java поддерживает работу со следующими форматами файлов.

Форматы 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

Изображения и другие форматы

Переносимый: PDF
Изображения: JPG, BMP, PNG, TIFF, GIF
Другие офисные форматы: ODT, OTT, OTS, ODS, ODP, OTP, ODG

Другие форматы

Веб: HTML, MHTML
Архивы: ZIP, TAR, 7Z
Электронные книги: CHM, EPUB, FB2, MOBI

GroupDocs.Parser for Java возможности

Извлекайте данные из PDF, офисных документов, изображений и других форматов быстро и точно с помощью нашего Java Document Parser SDK

Извлечение текста

Извлекайте текстовую информацию из различных форматов файлов, таких как офисные документы, PDF‑файлы и изображения, для удобного чтения и анализа.

Извлечение изображений

Получайте визуальное содержимое из разнообразных источников, таких как офисные документы и PDF‑файлы, для удобного доступа и использования.

Сканирование QR‑кодов

Обнаруживайте и декодируйте QR‑коды, находящиеся в офисных документах, PDF‑файлах или визуальном контенте, для эффективного получения информации.

Извлечение данных из вложений электронных писем и архивов

Собирайте ценную информацию из электронных сообщений, вложений файлов и сжатых источников данных для эффективного анализа и использования.

Извлечение таблиц

Определяйте и извлекайте табличные данные из PDF‑документов для структурированного анализа и использования.

Извлечение гиперссылок

Находите и извлекайте гиперссылки и адреса электронной почты в офисных документах или PDF‑файлах для удобного доступа.

Разбор PDF‑форм

PDF‑формы — это цифровые документы с заполняемыми полями для взаимодействия с пользователем, позволяющие вводить информацию электронно. .NET API можно использовать для извлечения данных из этих форм для эффективной обработки.

Разбор данных по шаблонам

Создавайте пользовательские шаблоны и используйте их с .NET API для разбора конкретной информации из PDF‑файлов, упрощая процессы извлечения данных.

Поиск текста в документах

Быстро находите определённые слова или шаблоны в документах.

Примеры кода

Некоторые примеры использования типовых операций GroupDocs.Parser for Java

Извлечение изображений из PDF‑документов

GroupDocs.Parser for Java упрощает Java разработчикам извлечение изображений из документов:

Извлечение изображений из PDF‑документов на Java

// Создайте экземпляр класса Parser
try (Parser parser = new Parser("source.pdf"))
{
    // Извлеките изображения
    Iterable<PageImageArea> images = parser.getImages();

    // Проверьте, извлечено ли что‑то
    if (images == null) {
        return;
    }

    // Итерируйтесь по изображениям
    for (PageImageArea image : images) {
        // Выведите индекс страницы, прямоугольник и тип изображения
        System.out.println(String.format("Page: %d, R: %s, Type: %s", 
            image.getPage().getIndex(), image.getRectangle(), image.getFileType()));
    }
}

Извлечение штрихкодов из изображений

Используйте наш API Java для извлечения штрихкоды из изображений:

Извлечение штрих‑кодов из изображений на Java

// Загрузите исходное изображение в Parser
try (Parser parser = new Parser("source.jpg")){

    // Проверьте, поддерживает ли файл извлечение штрих‑кодов
    if (!parser.getFeatures().isBarcodes()) {

        // Извлеките штрих‑коды из файла
        Iterable<PageBarcodeArea> barcodes = parser.getBarcodes();

        // Итерируйтесь по штрих‑кодам
        for (PageBarcodeArea barcode : barcodes) {
            // Выведите индекс страницы
            System.out.println("Page: " + barcode.getPage().getIndex());
            // Выведите значение штрих‑кода
            System.out.println("Value: " + barcode.getValue());
        }
    }
}