Textextraktion & Parsing Java High Code API

Produktseite | Dokumente | Demos | API -Referenz | Beispiele | Blog | Freie Unterstützung | Vorübergehende Lizenz

GroupDocsparser für Java ist eine On-Premise-API, mit der Ihre Java-Anwendungen Daten aus verschiedenen Arten von Dateiformaten analysieren und extrahieren können. Sie können Hyperlinks, Tabellen, Barcodes, Text, Bilder und Datenextraktion aus ZIP -Archiven, E -Mail -Archiven, PDF -Portfolios und Datenbanken extrahieren. GroupDocs.Parser für Java kann verwendet werden, um benutzerdefinierte Vorlagen mit festen, regex- und verknüpften Feldpositionen für eine genaue Datenextraktion zu definieren.

Textextraktion & Parsing Java On-Premise-API-Funktionen

• Document parsing via user-defined template

  • Erstellen Sie eine benutzerdefinierte Vorlage mit Datenfeld- und Tabellendefinitionen.

  • Dokumente über Benutzerdefinierte Vorlagen analysieren und Daten extrahieren, wie z. B. Rechnungen, Tabellen usw.

• Supports extraction of various text elements, such as:

  • Einfacher Textextraktion
  • Formatierte Textextraktion als einfacher Text, HTML oder Markdown (MD)
  • Strukturierte Textextraktion in der XML -Form
  • Textbereichextraktion nach bestimmten Koordinaten, Textstil
  • Text um (im Kontext von) ein bestimmtes Wort extrahieren

• Supports various extraction modes, such as:

  • Genauer Textxtraktionsmodus: Der Standard -Text -Extraktionsmodus mit der bestmöglichen Textqualität.
  • RAW -Text -Extraktionsmodus: Der Extraktionsmodus mit besserer Leistung, aber die Textqualität ist nicht so genau wie der oben genannte Modus.

• Extrahieren Sie den Text des gesamten Dokuments oder extrahieren Sie nur die gewünschte Dokumentseite.

• Fähigkeit, Dokumente mit bestimmten Schlüsselwörtern oder über reguläre Ausdruck zu durchsuchen.

• Unterstützt die Metadatenextraktion & Bildextraktion von Microsoft Word & Reg;, Excel & Reg;, PowerPoint & Reg;, pdf & reg; & andere Dokumenttypen.

• Inhaltsverzeichnis (TOC) aus Microsoft Office & Reg; Wort & Reg; & Epub eBook Formate.

• Fähigkeit, Daten aus Containern (Archiven) zu extrahieren, wie z. B. ZIP, PDF -Portfolios, OST -Container usw.

• Fähigkeit, durch die Formfelder zu iterieren und PDF -Formdaten zu extrahieren.

• Datenbanken extrahieren (z. B. SQLite) über JDBC.

• Informationen von Microsoft OneNote & Reg; Notizbücher.

• Extrahieren Sie alle Hyperverbindungen aus dem gesamten Dokument oder aus einer bestimmten Seite oder nur aus einem bestimmten Seitenbereich.

unterstützte Dokument -Parser -Dateiformate

Microsoft Word & reg;: doc/dot/docx/docm/dotx/dotm/rtf/txt
OpenOffice Writer & Reg;: ODT/OTT/ **Microsoft Excel & Reg; OpenOffice Calc & Reg;: ODS/OTS/CSV
Apple & Reg; iwork: Zahlen
Microsoft PowerPoint & reg;: ppt/pps/ptpx/pptm/potx/ptm/ppsx/ppsm
OpenOffice Impress & Reg;: ODP/OTP
Microsoft Outlook & Reg;: PST/ost/eml/msg
Apple & Reg; Mail -Nachricht: emlx
Microsoft OneNote & reg;: eins
Behobene Layout: pdf
PostScript: PS
markup: xhtml/mhtml/md/xml
eBook: chm/epub/fb2 \
Archiv: ZIP/RAR/TAR/GZ/BZ2 \
Bild: bmp/gif/jpg/jpeg/jpe/jp2/png/tif/tiff/djvu/j2k/webp
Vektor: SVG/SVGZ
Adobe Photoshop & reg;: PSD
Medizinische Bildgebung: dicom
Metadaten: EMF/WMF
Datenbank: JDBC

Für Details und Einschränkungen besuchen Sie bitte Unterstützte Dokumentformate.

System Anforderungen

• Microsoft Windows: Windows Desktop & Server (x86, x64), Microsoft Azure
• macOS: Mac OS x
• Linux: Ubuntu, OpenSuse, Centos und andere
• Java -Versionen: J2SE 7.0 (1,7), `J2SE 8.0 (1,8) oder höher (zum Beispiel Java 10)

GroupDocs.Parser für Java erfordert keine externe Software oder ein Drittanbieter -Tool. Folgen Sie einfach einem der Installation und Konfiguration beschriebenen Wege.

Loslegen

GroupDocs veranstaltet alle Java -APIs im GroupDocs Repository. Sie können problemlos GroupDocs.parser für Java -API direkt in Ihren Maven -Projekten mit einfachen Konfigurationen verwenden. Für die detaillierten Anweisungen besuchen Sie bitte Installation vom GroupDocs -Repository mit Maven Dokumentationsseite.

Beispiel Java -Code für die Textextraktion von einer bestimmten PDF -Seite

// Create an instance of Parser class
try (Parser parser = new Parser(Constants.SamplePdf)) {
    // Get the document info
    IDocumentInfo documentInfo = parser.getDocumentInfo();
    // Iterate over pages
    for (int p = 0; p < documentInfo.getPageCount(); p++) {
        // Print a page number
        System.out.println(String.format("Page %d/%d", p + 1, documentInfo.getPageCount()));
        // Extract a text into the reader
        try (TextReader reader = parser.getText(p)) {
            // Print a text from the document page
            System.out.println(reader.readToEnd());
        }
    }
}

Produktseite | Dokumente | Demos | API -Referenz | Beispiele | Blog | Freie Unterstützung | Vorübergehende Lizenz