Cara Mengekstrak Tabel dari PDF di Java Menggunakan GroupDocs.Parser

Mengekstrak tabel dari file PDF adalah kebutuhan yang sering muncul ketika Anda perlu mengubah dokumen statis menjadi data terstruktur. Dalam tutorial ini kami akan menunjukkan cara mengekstrak tabel dari PDF menggunakan pustaka GroupDocs.Parser untuk Java. Anda akan melihat mengapa pendekatan ini ideal untuk java pdf table extraction, cara mengonfigurasi tata letak untuk hasil yang akurat, dan bahkan cara export pdf tables csv nanti.

Jawaban Cepat

Apa pustaka utama? GroupDocs.Parser for Java
Bisakah saya mengekstrak tabel dari PDF yang dipindai? Hanya setelah OCR; lihat catatan “extract tables scanned pdf” di bawah
Apakah saya memerlukan lisensi? Lisensi percobaan dapat digunakan untuk pengembangan; lisensi penuh diperlukan untuk produksi
Versi Java apa yang diperlukan? Java 8 atau lebih tinggi
Apakah pemrosesan batch didukung? Ya – API dioptimalkan untuk ekstraksi skala besar

Apa itu “cara mengekstrak tabel” dalam konteks PDF?

Ketika kami membicarakan cara mengekstrak tabel, kami merujuk pada proses secara programatis menemukan struktur tabel di dalam PDF, menginterpretasikan batas sel, dan mengambil konten teks dalam format yang dapat dibaca mesin (mis., CSV, Excel). GroupDocs.Parser mengabstraksi parsing PDF tingkat rendah dan memberikan Anda model objek yang bersih untuk digunakan.

Mengapa menggunakan GroupDocs.Parser untuk java pdf table extraction?

Deteksi tata letak yang akurat – Menangani tabel multi‑kolom, multi‑baris dengan koordinat khusus.
Berfokus pada kinerja – Bekerja dengan baik pada dokumen besar dan pekerjaan batch.
Integrasi mudah – Manajemen dependensi berbasis Maven dan API yang sederhana.
Dapat diperluas – Anda dapat menggabungkannya dengan GroupDocs OCR untuk skenario extract tables scanned pdf.

Prasyarat

Sebelum kita mulai, pastikan Anda memiliki hal berikut:

Java 8+ terpasang dan dikonfigurasi di IDE atau alat build Anda.
Maven untuk manajemen dependensi.
Akses ke lisensi GroupDocs.Parser (percobaan atau penuh).

Perpustakaan dan Dependensi yang Diperlukan

Anda akan membutuhkan:

Pustaka GroupDocs.Parser untuk Java (versi 25.5 atau lebih baru).
Maven terpasang di sistem Anda untuk manajemen dependensi.

Penyiapan Lingkungan

Pastikan lingkungan pengembangan Anda disiapkan dengan versi Java yang kompatibel (Java 8 atau lebih tinggi).

Prasyarat Pengetahuan

Pemahaman dasar tentang pemrograman Java dan familiaritas dengan penanganan file di Java akan sangat membantu.

Menyiapkan GroupDocs.Parser untuk Java

Untuk mulai menggunakan GroupDocs.Parser, integrasikan ke dalam proyek Anda sebagai berikut:

Pengaturan Maven
Tambahkan konfigurasi berikut ke file pom.xml Anda untuk menyertakan GroupDocs.Parser sebagai dependensi:

<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>

Unduhan Langsung
Atau, unduh versi terbaru GroupDocs.Parser untuk Java dari GroupDocs releases.

Akuisisi Lisensi

Mulailah dengan percobaan gratis, dapatkan lisensi sementara, atau beli lisensi penuh. Kunjungi GroupDocs licensing page untuk detail.

Inisialisasi dan Penyiapan Dasar

Inisialisasi GroupDocs.Parser dalam aplikasi Java Anda sebagai berikut:

import com.groupdocs.parser.Parser;

public class DocumentParser {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            // Ready to perform operations on the document
        } catch (Exception e) {
            System.err.println("Error creating Parser instance: " + e.getMessage());
        }
    }
}

Panduan Implementasi

Mari kita bahas setiap fitur yang perlu Anda kuasai cara mengekstrak tabel dari PDF.

Fitur 1: Parsing Dokumen dengan GroupDocs

Gambaran Umum
Untuk berinteraksi dengan dokumen PDF, buat sebuah instance dari kelas Parser. Ini memungkinkan berbagai operasi pada dokumen.

Membuat Instance Parser

import com.groupdocs.parser.Parser;

public class CreateParserInstance {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            // Document is ready for operations
        } catch (Exception e) {
            System.err.println("Error creating Parser instance: " + e.getMessage());
        }
    }
}

Fitur 2: Pemeriksaan Kemampuan Ekstraksi Tabel

Gambaran Umum
Sebelum mengekstrak tabel, verifikasi bahwa PDF mendukung ekstraksi tabel.

Memeriksa Dukungan Tabel

import com.groupdocs.parser.Parser;

public class CheckTableSupport {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            boolean isTablesSupported = parser.getFeatures().isTables();
            
            if (!isTablesSupported) {
                System.out.println("Document doesn't support tables extraction.");
            }
        } catch (Exception e) {
            System.err.println("Error checking table extraction capability: " + e.getMessage());
        }
    }
}

Fitur 3: Konfigurasi Tata Letak Tabel

Gambaran Umum
Mengonfigurasi tata letak tabel Anda dapat meningkatkan akurasi dalam ekstraksi data.

Menyiapkan Tata Letak Tabel

import com.groupdocs.parser.templates.TemplateTableLayout;
import java.util.Arrays;

public class ConfigureTableLayout {
    public static void main(String[] args) {
        final double[] columnWidths = {50.0, 95.0, 275.0, 415.0, 485.0, 545.0};
        final double[] rowHeights = {325.0, 340.0, 365.0, 395.0};

        TemplateTableLayout layout = new TemplateTableLayout(
                Arrays.asList(columnWidths), 
                Arrays.asList(rowHeights));
    }
}

Fitur 4: Penyiapan Opsi Ekstraksi Tabel

Gambaran Umum
Siapkan opsi untuk mengekstrak tabel dengan konfigurasi spesifik guna meningkatkan akurasi ekstraksi.

Mengonfigurasi Opsi Ekstraksi

import com.groupdocs.parser.options.PageTableAreaOptions;
import com.groupdocs.parser.templates.TemplateTableLayout;

public class SetExtractionOptions {
    public static void main(String[] args) {
        TemplateTableLayout layout = new TemplateTableLayout(
                Arrays.asList(new Double[]{50.0, 95.0, 275.0, 415.0, 485.0, 545.0}), 
                Arrays.asList(new Double[]{325.0, 340.0, 365.0, 395.0}));

        PageTableAreaOptions options = new PageTableAreaOptions(layout);
    }
}

Fitur 5: Mengekstrak Tabel dari Dokumen

Gambaran Umum
Ekstrak tabel menggunakan opsi yang dikonfigurasi dan proses sesuai kebutuhan.

Proses Ekstraksi

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.options.PageTableAreaOptions;
import com.groupdocs.parser.data.PageTableArea;

public class ExtractTables {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        PageTableAreaOptions options = new PageTableAreaOptions(/* layout from previous feature */);

        try (Parser parser = new Parser(filePath)) {
            Iterable<PageTableArea> tables = parser.getTables(options);
            
            for (PageTableArea table : tables) {
                // Process each table as needed
            }
        } catch (Exception e) {
            System.err.println("Error extracting tables: " + e.getMessage());
        }
    }
}

Fitur 6: Mengiterasi Baris dan Kolom Tabel

Gambaran Umum
Setelah ekstraksi, iterasi baris dan kolom untuk mengakses sel individual.

Iterasi dan Akses Sel

import com.groupdocs.parser.data.PageTableArea;
import com.groupdocs.parser.data.PageTableAreaCell;

public class IterateTables {
    public static void main(String[] args) {
        PageTableArea table = /* reference to a specific PageTableArea object */;

        for (int row = 0; row < table.getRowCount(); row++) {
            for (int column = 0; column < table.getColumnCount(); column++) {
                PageTableAreaCell cell = table.getCell(row, column);
                if (cell != null) {
                    // Process the cell text as needed
                }
            }
        }
    }
}

Masalah Umum dan Solusinya

Masalah	Mengapa Terjadi	Tips Pro
Tidak ada tabel yang dikembalikan	PDF dipindai (berbasis gambar)	Jalankan OCR terlebih dahulu atau gunakan GroupDocs OCR sebelum parsing.
Penjajaran kolom tidak tepat	Koordinat tata letak tidak tepat	Sesuaikan nilai `TemplateTableLayout` agar cocok dengan grid visual.
Lonjakan memori pada PDF besar	Parser memuat seluruh dokumen ke memori	Proses halaman secara batch dan tutup `Parser` setelah setiap batch.

Pertanyaan yang Sering Diajukan

1. Bisakah saya mengekstrak tabel dari PDF yang dipindai atau hanya PDF digital?

Jawaban: GroupDocs.Parser terutama bekerja dengan PDF digital yang dapat dipilih dan berisi teks tersemat. Untuk PDF yang dipindai, Anda perlu mengintegrasikan kemampuan OCR (Optical Character Recognition). GroupDocs menawarkan modul OCR terpisah, atau Anda dapat menggunakan alat OCR lain untuk mengonversi gambar menjadi teks sebelum ekstraksi tabel.

2. Bagaimana saya menangani tabel dengan tata letak kompleks atau sel yang digabung?

Jawaban: Untuk tata letak kompleks, Anda dapat menyesuaikan TemplateTableLayout dengan koordinat kolom dan baris spesifik, atau mengatur parameter pengenalan untuk meningkatkan akurasi. Menangani sel yang digabung mungkin memerlukan analisis rentang sel dan menerapkan logika pasca‑pemrosesan untuk menginterpretasikan wilayah yang digabung.

3. Apakah GroupDocs.Parser cocok untuk dokumen besar atau pemrosesan batch?

Jawaban: Ya, GroupDocs.Parser dioptimalkan untuk pemrosesan batch dan dapat menangani dokumen besar secara efisien. Manajemen sumber daya yang tepat dan membagi tugas pemrosesan menjadi bagian‑bagian dapat lebih meningkatkan kinerja.

4. Bisakah saya mengekspor data tabel yang diekstrak ke format seperti CSV atau Excel?

Jawaban: Meskipun GroupDocs.Parser sendiri fokus pada ekstraksi, ia menyediakan data mentah (baris dan sel). Anda dapat dengan mudah mengekspor data ini secara manual atau menggunakan pustaka Java seperti Apache POI (untuk Excel) atau OpenCSV (untuk file CSV). Di sinilah kasus penggunaan export pdf tables csv berperan.

5. Apakah ada dukungan untuk mengekstrak tabel dari beberapa halaman?

Jawaban: Ya, ketika Anda menggunakan parser.getTables() dengan opsi halaman, ia dapat mengekstrak tabel di beberapa halaman. Anda dapat menentukan rentang halaman atau memproses semua halaman secara iteratif untuk mengumpulkan semua data tabel.

Kesimpulan

Mengekstrak tabel dari PDF adalah langkah penting dalam mengotomatisasi pemrosesan data dokumen, dan GroupDocs.Parser untuk Java membuat tugas ini lebih sederhana daripada sebelumnya. Dengan membuat instance parser, memverifikasi dukungan tabel, mengonfigurasi opsi tata letak, dan mengiterasi data yang diekstrak, pengembang dapat secara efisien mengambil data terstruktur bahkan dari dokumen PDF yang kompleks. Toolkit ini cukup fleksibel untuk mendukung berbagai skenario—dari otomasi faktur hingga analisis data skala besar—dan terintegrasi mulus dalam aplikasi Java. Dengan sedikit penyiapan dan penyesuaian, Anda akan mengubah PDF statis menjadi data yang dapat ditindaklanjuti dengan presisi dan kemudahan.

Last Updated: 2026-02-09
Tested With: GroupDocs.Parser 25.5 (Java)
Author: GroupDocs