Jak používat knihovnu pro parsování Excel v Javě s GroupDocs.Parser

V moderních datově řízených aplikacích může jak parsovat Excel soubory efektivně rozhodnout o úspěchu nebo neúspěchu pracovního postupu. Ať už migrujete stará data, generujete automatizované zprávy nebo předáváte surový text do analytických pipeline, extrahování neformátovaného textu z každého listu je běžná požadavek. Tento tutoriál vám ukáže, jak použít knihovnu pro parsování Excel v Javě—GroupDocs.Parser for Java—k otevření Excel sešitu, iteraci přes jeho listy a získání surového obsahu pomocí jen několika řádků kódu.

Rychlé odpovědi

  • Jaká knihovna zpracovává parsování Excel v Javě? GroupDocs.Parser for Java.
  • Mohu extrahovat surový text z každého listu? Ano, pomocí TextReader s povoleným raw režimem.
  • Potřebuji licenci? Dočasná bezplatná licence je k dispozici pro vyzkoušení.
  • Jaká verze Javy je požadována? JDK 8 nebo vyšší.
  • Je Maven podporován? Rozhodně – přidejte repozitář a závislost do pom.xml.

Co je knihovna pro parsování Excel v Javě?

GroupDocs.Parser for Java je knihovna pro parsování Excel v Javě, která programově otevírá sešity .xlsx, .xls nebo CSV a čte prostý text, aniž by načítala celý tabulkový procesor do paměti. Tento přístup je rychlejší než tradiční API tabulek a poskytuje přímý přístup k podkladovým znakům.

Proč používat GroupDocs.Parser pro Javu?

GroupDocs.Parser zpracovává jeden list najednou, udržuje využití paměti pod 10 MB i u 500‑stránkových sešitů. Podporuje více než 10 vstupních a výstupních formátů – včetně XLSX, XLS, CSV a ODS – takže jedna API může zvládnout mnoho typů tabulek. Jednoduché, plynulé metody vám umožní začít extrahovat text během několika minut a licenční model přechází z trial verze na produkci bez změn kódu.

Předpoklady

  • Java Development Kit (JDK): 8 nebo novější.
  • IDE: IntelliJ IDEA, Eclipse nebo jakýkoli editor kompatibilní s Javou.
  • Maven (volitelné): Pro snadnou správu závislostí.

Nastavení GroupDocs.Parser pro Javu

Nastavení Maven

If you manage dependencies with Maven, add the repository and dependency to your pom.xml:

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/parser/java/</url>
   </repository>
</repositories>

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-parser</artifactId>
      <version>25.5</version>
   </dependency>
</dependencies>

Přímé stažení

Alternatively, download the latest version of GroupDocs.Parser for Java directly from GroupDocs releases.

Získání licence

To start with a free trial, visit the GroupDocs website to obtain a temporary license. This allows you to evaluate the library’s full capabilities before purchasing a production license.

Základní inicializace a nastavení

GroupDocs.Parser is the core class that represents a document parser. After adding the library to your classpath, you can create a Parser instance that points to your Excel workbook:

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.TextReader;
import com.groupdocs.parser.options.IDocumentInfo;
import com.groupdocs.parser.options.TextOptions;

String excelFilePath = "YOUR_DOCUMENT_DIRECTORY/sample.xlsx";

try (Parser parser = new Parser(excelFilePath)) {
    // Your code to work with the document
} catch (Exception e) {
    e.printStackTrace();
}

S připraveným prostředím se ponořme do skutečné logiky extrakce.

Jak parsovat Excel: extrahovat surový text z listů

Load your workbook and retrieve raw text in two simple steps. First, obtain basic document information such as sheet names and dimensions. Then, iterate over each worksheet using a TextReader configured with TextOptions(true) to enable raw mode, which returns the plain characters without any formatting tags.

TextReader reads text from a document, optionally in raw mode.

IDocumentInfo spreadsheetInfo = parser.getDocumentInfo();

Next, iterate over every sheet and pull the unformatted text. The TextOptions(true) flag enables raw mode, returning plain characters without any styling tags.

TextOptions configures text extraction behavior, with a boolean flag to enable raw mode.

for (int p = 0; p < spreadsheetInfo.getRawPageCount(); p++) {
    try (TextReader reader = parser.getText(p, new TextOptions(true))) {
        String sheetContent = reader.readToEnd();
        
        // Process or use extracted text data here
    }
}

Zpracování extrahovaných dat

At this point sheetContent holds the plain text of the current worksheet. You can:

  • Write it to a .txt file for archival.
  • Feed it into a natural‑language‑processing pipeline.
  • Store it in a database for later querying.

Časté problémy a řešení

ProblémProč se to dějeŘešení
Soubor nenalezenNesprávná excelFilePath.Ověřte cestu a ujistěte se, že je soubor čitelný.
Nesprávný formátPoužití staršího souboru XLS s novější verzí parseru.Převést soubor na XLSX nebo aktualizovat na nejnovější verzi GroupDocs.Parser.
Chyby nedostatku paměti u velkých sešitůNačítání všech listů najednou.Zpracovávejte jeden list po druhém (jak je ukázáno) a uvolněte zdroje okamžitě.
Výjimka licenceZkušební verze vypršela nebo chybí licenční soubor.Použijte platnou dočasnou nebo zakoupenou licenci před parsováním.

Praktické aplikace (čtení textu z listu Excel)

  1. Migrace dat: Přenést stará data z tabulek do moderních databází bez ručního kopírování a vkládání.
  2. Automatizované reportování: Vytažení surových hodnot z více sešitů pro vytvoření konsolidovaných PDF nebo HTML zpráv.
  3. Indexování pro vyhledávání: Indexovat extrahovaný text v Elasticsearch pro rychlé vyhledávání obsahu.

Tipy pro výkon u velkých souborů Excel

  • Stream po listu: Smyčka již zpracovává jeden list po druhém, udržuje nízkou spotřebu paměti.
  • Znovu použijte objekty TextReader: Vyhněte se vytváření zbytečných objektů uvnitř úzkých smyček.
  • Paralelní zpracování: Pro extrémně velké sešity zvažte zpracování listů v samostatných vláknech, ale dbejte na bezpečnost vláken při práci s instancí Parser.

Často kladené otázky

Q: Jaké další formáty tabulek GroupDocs.Parser podporuje?
A: Zpracovává XLSX, XLS, CSV, ODS a další formáty Office Open XML – celkem více než 10 formátů.

Q: Mohu také extrahovat informace o formátování buněk?
A: Ano, použitím TextOptions bez raw příznaku můžete získat formátovaný text, který zachovává základní stylování.

Q: Jak zacházet se soubory Excel chráněnými heslem?
A: Předáte heslo konstruktoru Parser: new Parser(filePath, "password").

Q: Existuje způsob, jak extrahovat jen konkrétní sloupce?
A: Můžete po‑zpracovat sheetContent pro filtrování řádků nebo použít API SpreadsheetOptions pro podrobnější kontrolu.

Q: Kde najdu více ukázek kódu?
A: Podívejte se na GroupDocs documentation a na GitHub repozitář pro další příklady.

Zdroje

Poslední aktualizace: 2026-09-27
Testováno s: GroupDocs.Parser 25.5 for Java
Autor: GroupDocs

Související tutoriály