Cari beberapa kata kunci dalam PDF menggunakan GroupDocs.Parser untuk Java

Mencari melalui dokumen PDF untuk menemukan teks tertentu dapat menjadi tantangan, terutama ketika menangani file besar atau banyak halaman. Jika Anda perlu mencari beberapa kata kunci dalam PDF dengan cepat dan andal, perpustakaan GroupDocs.Parser untuk Java menyediakan solusi yang bersih dan berperforma tinggi. Tutorial ini memandu Anda dalam menyiapkan perpustakaan, mencari berdasarkan nomor halaman, dan menangani format yang tidak didukung—semua dengan contoh dunia nyata yang dapat Anda salin ke dalam proyek Anda.

Jawaban Cepat

• Perpustakaan apa yang membantu Anda mencari beberapa kata kunci dalam PDF? GroupDocs.Parser untuk Java.
• Bisakah Anda membatasi hasil ke nomor halaman tertentu? Ya, dengan menggunakan SearchOptions Anda dapat mengambil indeks halaman untuk setiap kecocokan.
• Apakah saya memerlukan lisensi untuk pengembangan? Versi percobaan gratis dapat digunakan untuk pengujian; lisensi berbayar diperlukan untuk produksi.
• Apakah regex didukung? Tentu – aktifkan di SearchOptions.
• Versi Java apa yang diperlukan? Java 8 atau lebih tinggi dengan alat build Maven atau Gradle.

Apa itu “search multiple keywords in pdf”?

Ketika Anda perlu menemukan beberapa istilah—seperti “invoice”, “due date”, atau “total”—di seluruh PDF besar, pencarian satu kali yang mengembalikan nomor halaman untuk setiap temuan menghemat waktu dan kompleksitas kode. GroupDocs.Parser mengabstraksi parsing PDF tingkat rendah, memberi Anda API sederhana untuk melakukan kueri multi‑kata kunci ini.

Mengapa menggunakan GroupDocs.Parser untuk Java?

• Ekstraksi teks yang akurat bahkan dari PDF yang dipindai atau kompleks.
• Indeks halaman bawaan sehingga Anda tahu persis di mana setiap kata kunci muncul.
• Penanganan pengecualian untuk format yang tidak didukung, file terenkripsi, dan dokumen yang memakan banyak memori.
• Integrasi Maven tanpa ketergantungan untuk penyiapan proyek yang cepat.

Prasyarat

• Java 8+ dan IDE yang kompatibel dengan Maven (IntelliJ IDEA, Eclipse, dll.).
• GroupDocs.Parser for Java (versi 25.5 atau lebih baru).
• Pengetahuan dasar tentang penanganan pengecualian Java dan I/O file.

Menyiapkan GroupDocs.Parser untuk Java

Anda dapat menambahkan perpustakaan melalui Maven atau mengunduhnya langsung.

Menggunakan Maven

Add the repository and dependency to your pom.xml file:

<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>

Unduh Langsung

Sebagai alternatif, unduh versi terbaru dari GroupDocs.Parser for Java releases.
Perolehan Lisensi: Mulailah dengan percobaan gratis atau minta lisensi sementara untuk menguji GroupDocs.Parser. Untuk penggunaan jangka panjang, pertimbangkan membeli lisensi.

Inisialisasi Dasar dan Penyiapan

Once the library is available, initializing it is straightforward:

import com.groupdocs.parser.Parser;

String filePath = "YOUR_DOCUMENT_DIRECTORY/sample.pdf";
try (Parser parser = new Parser(filePath)) {
    // Your parsing logic here
} catch (Exception e) {
    System.err.println("An error occurred: " + e.getMessage());
}

Panduan Implementasi

Kami akan membagi implementasi menjadi dua fitur praktis:

1. Cari beberapa kata kunci dalam PDF dan ambil nomor halaman – ideal untuk “search pdf by page number”.
2. Penanganan kesalahan yang elegan untuk format dokumen yang tidak didukung.

Fitur 1: Cari beberapa kata kunci dalam PDF dan dapatkan indeks halaman

Gambaran Umum

Metode search milik GroupDocs.Parser, dikombinasikan dengan SearchOptions, memungkinkan Anda menemukan istilah apa pun (atau pola ekspresi reguler) dan mengembalikan baik posisi karakter maupun indeks halaman.

Langkah‑demi‑langkah

Langkah 1 – Impor kelas yang diperlukan

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.SearchResult;
import com.groupdocs.parser.options.SearchOptions;
import com.groupdocs.parser.exceptions.UnsupportedDocumentFormatException;

Langkah 2 – Inisialisasi parser dan konfigurasikan SearchOptions

String filePath = "YOUR_DOCUMENT_DIRECTORY/sample.pdf"; // Replace with actual document path

try (Parser parser = new Parser(filePath)) {
    if (!parser.getFeatures().isText()) {
        throw new UnsupportedDocumentFormatException("Text extraction isn't supported.");
    }

    // false = case‑insensitive, false = not whole‑word, false = regex disabled, true = return page index
    SearchOptions options = new SearchOptions(false, false, false, true);
    Iterable<SearchResult> results = parser.search("invoice|due date|total", options);
    
    for (SearchResult result : results) {
        System.out.println(String.format("Found at position %d on page %d: %s", 
                                         result.getPosition(), 
                                         result.getPageIndex() + 1, // pages are zero‑based
                                         result.getText()));
    }
} catch (UnsupportedDocumentFormatException e) {
    System.err.println(e.getMessage());
}

Penjelasan parameter kunci

• filePath: Jalur ke PDF yang ingin Anda cari.
• SearchOptions(false, false, false, true):
  • Case‑sensitive – false membuat pencarian tidak sensitif huruf.
  • Whole‑word – false memungkinkan kecocokan parsial.
  • Regex – false menonaktifkan parsing ekspresi reguler; ubah menjadi true jika Anda memerlukan regex.
  • Return page index – true memastikan setiap SearchResult berisi nomor halaman.

Tip: String pencarian "invoice|due date|total" menggunakan operator pipe (|) untuk mencari banyak kata kunci dalam satu panggilan.

Pemecahan Masalah

• Hasil kosong: Pastikan PDF memang berisi teks yang dapat dipilih (bukan hanya gambar).
• Nomor halaman tidak tepat: Ingat bahwa getPageIndex() berbasis nol; tambahkan +1 untuk penomoran yang dapat dibaca manusia.

Fitur 2: Penanganan kesalahan untuk format dokumen yang tidak didukung

Gambaran Umum

Tidak setiap file dapat diparsing untuk teks (mis., beberapa PDF terenkripsi atau hanya gambar). Menangkap UnsupportedDocumentFormatException memungkinkan aplikasi Anda gagal dengan elegan.

Implementasi

Langkah 1 – Bungkus pembuatan parser dalam blok try‑catch

try (Parser parser = new Parser(filePath)) {
    if (!parser.getFeatures().isText()) {
        throw new UnsupportedDocumentFormatException("Text extraction isn't supported.");
    }
} catch (UnsupportedDocumentFormatException e) {
    System.err.println(e.getMessage());
}

Mengapa ini penting
Dengan mendeteksi format yang tidak didukung lebih awal, Anda dapat memberi tahu pengguna, mencatat masalah, atau beralih ke solusi OCR alih-alih menghentikan seluruh proses.

Aplikasi Praktis

Berikut tiga skenario umum di mana search multiple keywords in PDF bersinar:

1. Peninjauan Dokumen Hukum – Temukan klausul seperti “force majeure”, “termination”, atau “confidentiality” di ratusan halaman.
2. Pemrosesan Faktur – Ambil “invoice number”, “due date”, dan “total amount” dalam satu kali proses untuk akuntansi otomatis.
3. Penelitian Akademik – Pindai makalah penelitian untuk berbagai variasi terminologi (mis., “machine learning”, “deep learning”, “neural network”).

Pertimbangan Kinerja

• Parse hanya halaman yang diperlukan: Jika Anda mengetahui bagian yang relevan, batasi rentang pencarian untuk mengurangi penggunaan memori.
• Gunakan try‑with‑resources (seperti yang ditunjukkan) untuk memastikan parser ditutup dengan cepat, mencegah kebocoran memori.
• Hindari memuat seluruh PDF ke memori saat menangani file yang sangat besar; proses dalam potongan jika memungkinkan.

Kesimpulan

Anda kini memiliki pendekatan lengkap dan siap produksi untuk search multiple keywords in PDF dokumen, mengambil nomor halaman yang tepat, dan menangani format yang tidak didukung dengan elegan menggunakan GroupDocs.Parser untuk Java. Gabungkan potongan kode ini ke dalam alur kerja yang lebih besar—pemrosesan batch, layanan web, atau utilitas desktop—untuk mengotomatisasi analisis dokumen secara skala.

Langkah Selanjutnya

• Eksperimen dengan pola regex untuk pencarian yang lebih kompleks.
• Gabungkan hasil pencarian dengan penulis PDF (mis., GroupDocs.Conversion) untuk menyoroti kecocokan.
• Jelajahi pemrosesan batch dengan mengiterasi folder PDF dan menyimpan hasilnya ke basis data.

Pertanyaan yang Sering Diajukan

Q: Bisakah saya mencari beberapa kata kunci sekaligus?
A: Ya. Gunakan string yang dipisahkan dengan pipe (mis., "invoice|due date|total") atau aktifkan regex di SearchOptions.

Q: Bagaimana jika dokumen saya terenkripsi?
A: Berikan kata sandi saat membuat Parser. Jika Anda tidak memiliki kata sandi, perpustakaan akan melempar pengecualian yang dapat Anda tangkap.

Q: Bagaimana cara menangani file PDF yang sangat besar secara efisien?
A: Proses file halaman demi halaman, atau gunakan SearchOptions untuk membatasi ruang lingkup ke rentang halaman tertentu.

Q: Apakah GroupDocs.Parser kompatibel dengan semua versi PDF?
A: Ia mendukung mayoritas standar PDF (1.4‑1.7, PDF/A, PDF/X). Selalu uji dengan file spesifik Anda.

Q: Bisakah ini digunakan untuk pemrosesan batch dokumen?
A: Tentu saja. Loop melalui direktori, terapkan logika pencarian yang sama, dan simpan hasil masing‑masing file.

Sumber Daya

• Dokumentasi: GroupDocs.Parser Java Documentation
• Referensi API: GroupDocs API Reference

Terakhir Diperbarui: 2026-04-21
Diuji Dengan: GroupDocs.Parser for Java 25.5
Penulis: GroupDocs

{< /blocks/products/pf/tutorial-page-section >} {< /blocks/products/pf/main-container >} {< /blocks/products/pf/main-wrap-class >} {< blocks/products/products-backtop-button >}