Képek kinyerése dokumentumokból és erőforrások szűrése a GroupDocs.Parser Java-val

A képek kinyerése dokumentumokból gyakori követelmény dokumentumfeldolgozó csővezetékek építésekor. Ebben az útmutatóban megtudja, hogyan kell képeket kinyerni dokumentumokból a GroupDocs.Parser for Java használatával, és hogyan lehet szűrni az erőforrásokat, hogy csak a szükséges fájlok legyenek betöltve. Lépésről lépésre bemutatjuk a könyvtár beállítását, egy egyedi ExternalResourceHandler létrehozását, és a szűrési logika alkalmazását, hogy alkalmazása gyors és biztonságos legyen.

Gyors válaszok

  • Mi a GroupDocs.Parser feladata? Dokumentumformátumok széles skáláját elemzi, és hozzáférést biztosít a szöveghez, képekhez és egyéb beágyazott erőforrásokhoz.
  • Kihagyhatom a nem kívánt képeket? Igen – egy egyedi ExternalResourceHandler megvalósításával eldöntheti, mely erőforrásokat tölti be.
  • Mely Maven verzió szükséges? Használja a GroupDocs.Parser Java 25.5 vagy újabb verziót.
  • Szükségem van licencre? Egy ingyenes próba a kiértékeléshez elegendő; a termeléshez állandó licenc szükséges.
  • Ez a megközelítés szálbiztos? Az elemző objektumok nincsenek megosztva szálak között; minden szálnak hozzon létre egy új Parser példányt.

Mi az a „képek kinyerése dokumentumokból”?

Amikor egy dokumentum beágyazott képeket, diagramokat vagy egyéb médiát tartalmaz, a „képek kinyerése dokumentumokból” azt jelenti, hogy programozottan lekéri ezeket a bináris fájlokat, hogy tárolja, megjelenítse vagy tovább feldolgozza őket az eredeti fájlon kívül.

Miért szűrje az erőforrásokat képek kinyerése közben?

Az erőforrások szűrése segít:

  • Csökkenteni a memóriahasználatot nagy vagy irreleváns fájlok figyelmen kívül hagyásával.
  • A biztonság javítása azzal, hogy megakadályozza a potenciálisan veszélyes tartalom betöltését.
  • Felgyorsítani a feldolgozást, különösen nagy dokumentumok esetén, amelyek sok beágyazott objektumot tartalmaznak.

Előfeltételek

  • Java Development Kit (JDK) – 8 vagy újabb verzió.
  • Maven – a függőségek kezeléséhez.
  • Alapvető ismeretek a Java I/O-val és a kivételkezeléssel.

A GroupDocs.Parser beállítása Java-hoz

Adja hozzá a GroupDocs tárolót és a parser függőséget a pom.xml fájlhoz:

<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>

Alternatívaként töltse le a legújabb verziót a GroupDocs.Parser for Java releases oldalról.

Licenc beszerzése

  • Ingyenes próba – a fő funkciók költség nélkül való felfedezése.
  • Ideiglenes licenc – a teljes funkcionalitás feloldása kiértékelés közben.
  • Megvásárolt licenc – kereskedelmi bevetéshez szükséges.

Hogyan szűrje az erőforrásokat képek kinyerése közben

1. lépés: Egyedi kezelő létrehozása

Definiáljon egy osztályt, amely kiterjeszti az ExternalResourceHandler-t. Az onLoading metódusban dönthet arról, mely erőforrásokat tartja meg.

import com.groupdocs.parser.options.ExternalResourceHandler;
import com.groupdocs.parser.data.ExternalResourceLoadingArgs;

class Handler extends ExternalResourceHandler {
    @Override
    public void onLoading(ExternalResourceLoadingArgs args) {
        if (!args.getUri().endsWith("installation.png")) {
            args.setSkipped(true);
        }
        super.onLoading(args);
    }
}

2. lépés: ParserSettings konfigurálása a kezelővel

Adja át a Handler példányát a ParserSettings-nek, és használja a dokumentum megnyitásakor.

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.PageImageArea;
import com.groupdocs.parser.exceptions.IOException;
import com.groupdocs.parser.options.ParserSettings;

public class LoadExternalResources {
    public static void run() throws IOException {
        ParserSettings settings = new ParserSettings(new Handler());
        
        try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY", settings)) {
            Iterable<PageImageArea> images = parser.getImages();
            
            for (PageImageArea image : images) {
                System.out.println(image.getFileType());
            }
        }
    }
}

3. lépés: A szűrési logika finomhangolása

Ha összetettebb szabályokra van szüksége – például képméret, formátum vagy URI-minta alapján történő szűrésre – bővítse az onLoading metódust ennek megfelelően:

@Override
public void onLoading(ExternalResourceLoadingArgs args) {
    if (!args.getUri().endsWith("installation.png")) {
        args.setSkipped(true);
    }
}

Gyakorlati alkalmazások

  1. Dokumentumkezelő rendszerek – csak a szükséges képeket húzza ki a beolvasott szerződésekből, hogy bélyegképeket generáljon.
  2. Adatkinyerő szolgáltatások – hagyja ki a díszítő grafikákat, és a hasznos adatokat tartalmazó diagramokra koncentráljon.
  3. Webkaparó eszközök – szűrje ki a nyomkövető pixeleket, miközben értelmes médiát szerez be HTML‑alapú dokumentumokból.

Teljesítményfontosságú szempontok

  • Korai szűrés: Alkalmazza az egyedi kezelőt az erőforrások iterálása előtt, hogy elkerülje a nem kívánt adatok memóriába töltését.
  • Gyors felszabadítás: Használjon try‑with‑resources (try (Parser parser = …)) szintaxist a natív erőforrások felszabadításához.
  • Aszinkron feldolgozás: Nagy kötegek esetén dolgozza fel a dokumentumokat párhuzamos streamekben, miközben minden Parser példányt egyetlen szálra korlátozza.

Gyakori problémák és megoldások

IssueWhy it HappensFix
Nincsenek visszaadott képekA kezelő véletlenül minden erőforrást kihagyEllenőrizze az if feltételt, és győződjön meg róla, hogy a args.setSkipped(true) csak a nem kívánt URI-k esetén kerül meghívásra.
IOException nagy fájlok eseténNem elegendő heap memóriaNövelje a JVM heap méretét (-Xmx2g), vagy dolgozza fel az oldalakat kisebb darabokban.
A licenc nem ismerhető felPróba DLL használata termelési kóddalAdja meg a helyes licencfájl útvonalát a License.setLicense("path/to/license") hívással.

Gyakran ismételt kérdések

Q: Mi a fő célja egy egyedi ExternalResourceHandler használatának?
A: Lehetővé teszi, hogy szabályozza, mely külső erőforrások kerülnek betöltésre, ezáltal növelve a biztonságot és a teljesítményt a felesleges fájlok szűrésével.

Q: Használhatom a GroupDocs.Parser for Java-t licenc nélkül?
A: Igen, elérhető egy ingyenes próba, de egyes fejlett funkciók korlátozottak lehetnek, amíg nem szerez ideiglenes vagy megvásárolt licencet.

Q: Hogyan kezeljem a kivételeket a GroupDocs.Parser használata közben?
A: A parsing hívásokat try‑catch blokkokba kell helyezni IOException és egyéb specifikus kivételek esetén, hogy hibákat elegánsan kezeljen.

Q: Mik a gyakori buktatók az erőforrások szűrésekor?
A: Hibás URI-ellenőrzések elhagyhatják a szükséges fájlokat; használjon naplózást vagy breakpoint-okat a feltételek ellenőrzéséhez.

Q: Lehet nem‑HTML dokumentumokat is feldolgozni a GroupDocs.Parser for Java-val?
A: Természetesen – a GroupDocs.Parser támogatja a PDF-eket, Word, Excel, PowerPoint és számos más formátumot.

Következő lépések

Mélyedjen el a könyvtárban a API Reference felfedezésével, vagy kísérletezzen további beállításokkal, például a ParserSettings.setDetectTables(true)-val a táblázatok kinyeréséhez.

Last Updated: 2025-12-29
Tested With: GroupDocs.Parser 25.5 for Java
Author: GroupDocs

Erőforrások