GroupDocs.Parser를 사용한 java pdf 테이블 추출 방법
이 포괄적인 튜토리얼에서는 GroupDocs.Parser 라이브러리를 사용하여 java pdf table extraction을 수행하는 방법을 알아봅니다. 재무 테이블, 청구서 항목, 연구 데이터 등을 추출해야 할 경우, 이 가이드는 문서 지원 확인, 정확한 테이블 레이아웃 정의, 그리고 데이터를 효율적으로 추출하여 Java 후속 처리에 활용하는 과정을 단계별로 안내합니다.
빠른 답변
- GroupDocs.Parser가 PDF에서 테이블을 읽을 수 있나요? 예 – PDF 및 다양한 형식에 대해 기본 테이블 추출 기능을 제공합니다.
- 개발에 라이선스가 필요합니까? 무료 체험으로 시작할 수 있으며, 프로덕션 사용에는 라이선스가 필요합니다.
- 필요한 Java 버전은 무엇인가요? JDK 8 이상.
- Maven이 라이브러리를 추가하는 유일한 방법인가요? 아니요 – JAR 파일을 직접 다운로드해서 사용할 수도 있습니다.
- 비밀번호로 보호된 파일에서도 작동하나요? 예,
Parser인스턴스를 생성할 때 비밀번호를 제공하면 됩니다.
java pdf table extraction이란?
Java pdf table extraction은 Java 코드를 사용하여 PDF(또는 Word) 파일에 포함된 표 구조를 프로그래밍 방식으로 읽는 과정입니다. GroupDocs.Parser는 저수준 파싱을 추상화하고 각 셀을 일반 텍스트로 반환하여 분석이나 데이터베이스 가져오기 등에 바로 사용할 수 있게 합니다. 스캔된 PDF와 원본 PDF 모두를 지원하며, 병합 셀 및 다중 페이지 표도 별도 설정 없이 처리합니다.
테이블 추출에 GroupDocs.Parser를 사용하는 이유
GroupDocs.Parser는 PDF, DOCX, PPTX, HTML 등을 포함한 50개 이상의 입력 및 출력 형식을 지원하므로 문서 유형에 관계없이 동일한 API를 재사용할 수 있습니다. 레이아웃 기반 추출은 복잡한 표에서 최대 98 % 정확도를 제공하며, 스트리밍을 사용해 수백 페이지 PDF를 처리하면서 메모리 사용량을 200 MB 이하로 유지합니다.
사전 요구 사항
- Java Development Kit (JDK) 8 이상이 설치되어 있어야 합니다.
- Maven(또는 수동 JAR 관리)을 사용하여 의존성을 관리합니다.
- Java 문법 및 객체 지향 개념에 대한 기본적인 이해가 필요합니다.
Java용 GroupDocs.Parser 설정
Maven 설정
Maven으로 의존성을 관리한다면, pom.xml에 저장소와 의존성을 추가하십시오:
<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>
직접 다운로드
또는 최신 버전을 GroupDocs.Parser for Java releases에서 직접 다운로드하십시오. 웹사이트에 제공된 설치 안내를 따르세요.
라이선스 획득
GroupDocs.Parser의 모든 기능을 사용하려면 라이선스를 구매하는 것이 좋습니다. 무료 체험으로 시작하거나 구매 페이지의 절차에 따라 임시 라이선스를 얻을 수 있습니다.
모든 설정이 완료되면 실제 java pdf table extraction 구현으로 넘어갑니다.
구현 가이드
테이블 추출 지원 여부 확인
이 문서가 테이블 추출을 지원하나요?
대상 파일이 테이블 처리를 지원하는지 먼저 확인해야 합니다. GroupDocs.Parser는 해당 형식에 대해 테이블 추출이 가능한지 알려주는 기능 플래그를 제공하여 런타임 오류를 방지합니다.
- Parser 초기화:
Parser클래스는 문서를 메모리로 로드하는 진입점입니다. - 기능 확인:
parser.getFeatures().isTables()를 호출하면 테이블 추출이 지원될 경우true를 반환합니다.
import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.IDocumentInfo;
public class TableExtractionCheck {
public static void main(String[] args) {
try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/your_document.pdf")) {
// Check if the document supports table extraction.
if (!parser.getFeatures().isTables()) {
System.out.println("Document doesn't support table extraction.");
} else {
System.out.println("Document supports table extraction. Proceeding...");
extractTablesFromDocument();
}
}
}
}
추출을 위한 테이블 레이아웃 생성
정확한 테이블 레이아웃을 어떻게 정의하나요?
레이아웃은 엔진에게 열과 행이 시작되는 위치를 알려주며, 자동 감지가 병합 셀이나 불규칙한 간격을 놓칠 수 있는 복잡한 PDF에서 필수적입니다.
- 열 및 행 좌표: 각 열의 X축 시작/끝 위치와 각 행의 Y축 위치를 지정합니다.
- TemplateTableLayout: 이 객체는 좌표 맵을 저장하며 이후 추출 호출에 전달됩니다.
import com.groupdocs.parser.templates.TemplateTableLayout;
public class TableExtractionSetup {
public static TemplateTableLayout createTemplateTableLayout() {
return new TemplateTableLayout(
java.util.Arrays.asList(new Double[]{50.0, 95.0, 275.0, 415.0, 485.0, 545.0}),
java.util.Arrays.asList(new Double[]{325.0, 340.0, 365.0, 395.0})
);
}
}
문서 페이지에서 테이블 추출
테이블을 추출하는 단계별 프로세스는 무엇인가요?
지원 여부를 확인하고 레이아웃을 정의한 후, 각 페이지를 순회하면서 테이블 데이터를 요청하고 결과를 Java 컬렉션에 수집하여 추가 처리합니다.
- 페이지 반복:
parser.getPages()를 순회하여 다중 페이지 PDF를 처리합니다. - 테이블 추출:
parser.getTables(pageIndex, options)를 사용하며,options에는 앞서 정의한 레이아웃이 포함됩니다.
import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.PageTableArea;
import com.groupdocs.parser.data.IDocumentInfo;
import com.groupdocs.parser.options.PageTableAreaOptions;
public class TableExtractionProcess {
public static void extractTablesFromDocument() {
try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/your_document.pdf")) {
IDocumentInfo documentInfo = parser.getDocumentInfo();
if (documentInfo.getPageCount() > 0) {
PageTableAreaOptions options = new PageTableAreaOptions(TableExtractionSetup.createTemplateTableLayout());
for (int pageIndex = 0; pageIndex < documentInfo.getPageCount(); pageIndex++) {
Iterable<PageTableArea> tables = parser.getTables(pageIndex, options);
for (PageTableArea table : tables) {
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) {
System.out.print(cell.getText() + " | ");
}
}
System.out.println();
}
System.out.println();
}
}
} else {
System.out.println("Document has no pages.");
}
}
}
}
java pdf table extraction의 실용적인 적용 사례
테이블 추출을 구현하면 여러 실제 시나리오에서 유용합니다:
- 데이터 분석: 재무 보고서나 과학 논문에서 구조화된 데이터를 추출하여 후속 분석에 활용합니다.
- 청구서 처리: 청구서에서 항목을 자동으로 추출하여 회계 시스템에 입력합니다.
- 문서 관리: 추출된 테이블 데이터를 전체 텍스트와 함께 색인화하여 DMS 솔루션의 검색성을 향상시킵니다.
성능 고려 사항
GroupDocs.Parser를 사용할 때 최적의 성능을 위해:
- 메모리 사용 최적화: 대용량 PDF를 위해 충분한 힙 공간(예:
-Xmx2g)을 할당합니다. - 배치 처리: 여러 문서를 하나의 작업으로 묶어 JVM 워밍업 오버헤드를 줄입니다.
- 효율적인 레이아웃: 정확한 좌표 정의는 스캔 영역을 최소화하여 추출 속도를 최대 30 %까지 향상시킵니다.
일반적인 문제 및 해결책
| Issue | Cause | Fix |
|---|---|---|
| 테이블이 반환되지 않음 | 레이아웃 좌표가 실제 테이블 위치와 일치하지 않음 | 뷰어의 눈금자를 사용해 PDF에서 열/행 좌표를 확인하십시오. |
| 메모리 부족 오류 | 전체 파일을 한 번에 로드하는 매우 큰 문서 | 스트리밍 모드를 사용하거나 JVM 힙(-Xmx)을 늘리세요. |
| 빈 셀 | 테이블에 레이아웃에 포함되지 않은 병합 셀이 있음 | 레이아웃을 조정해 병합 셀 경계를 포함하거나 레이아웃 없이 기본 추출을 사용하세요. |
자주 묻는 질문
Q: 다른 문서 형식에서도 테이블을 추출할 수 있나요?
A: 예, GroupDocs.Parser는 DOCX, PPTX, TXT 등 다양한 형식을 지원합니다. 전체 목록은 공식 문서를 참고하십시오.
Q: 개발 빌드에 라이선스가 필요합니까?
A: 개발 및 테스트에는 무료 체험 라이선스로 충분합니다. 프로덕션 배포에는 상용 라이선스가 필요합니다.
Q: GroupDocs.Parser는 비밀번호로 보호된 PDF를 어떻게 처리하나요?
A: Parser 객체를 생성할 때 비밀번호를 제공하면 됩니다(예: new Parser(filePath, password)). 라이브러리가 자동으로 파일을 복호화합니다.
Q: 레이아웃을 정의하지 않고 테이블을 추출할 수 있나요?
A: 예, 옵션 없이 parser.getTables(pageIndex)를 호출할 수 있지만, 레이아웃 기반 추출이 복잡한 테이블에서 더 높은 정확도를 제공합니다.
Q: Java 11과 호환되는 GroupDocs.Parser 버전은 무엇인가요?
A: 버전 25.5(본 가이드에서 사용) 는 Java 8‑17을 완전히 지원하며, Java 11도 포함됩니다.
결론
이제 GroupDocs.Parser를 사용한 java pdf table extraction에 대한 프로덕션 수준 접근 방식을 갖추었습니다. 문서 기능을 확인하고, 맞춤형 TemplateTableLayout을 정의한 뒤 페이지를 순회하면 어떤 Java 워크플로우에서도 구조화된 데이터를 안정적으로 추출할 수 있습니다.
다음 단계
- 문서(documentation)에서 테이블 병합, 셀 서식, CSV 내보내기와 같은 고급 기능을 살펴보세요.
- 다양한 레이아웃 구성을 실험하여 문서 컬렉션의 다양한 테이블 디자인을 처리해 보세요.
Last Updated: 2026-09-17
Tested With: GroupDocs.Parser 25.5 for Java
Author: GroupDocs
