Jak wykonać ekstrakcję tabel z plików PDF w Javie przy użyciu GroupDocs.Parser

W tym obszernym samouczku dowiesz się, jak przeprowadzić java pdf table extraction przy użyciu biblioteki GroupDocs.Parser. Niezależnie od tego, czy potrzebujesz wyodrębnić tabele finansowe, pozycje faktur, czy dane badawcze, ten przewodnik przeprowadzi Cię przez sprawdzanie wsparcia dokumentu, definiowanie precyzyjnych układów tabel oraz efektywne wyodrębnianie danych do dalszego przetwarzania w Javie.

Szybkie odpowiedzi

• Czy GroupDocs.Parser może odczytywać tabele z plików PDF? Tak – zapewnia natywną ekstrakcję tabel dla PDF‑ów i wielu innych formatów.
• Czy potrzebna jest licencja do rozwoju? Możesz rozpocząć od darmowej wersji próbnej; licencja jest wymagana do użytku produkcyjnego.
• Jakiej wersji Javy wymaga się? JDK 8 lub wyższa.
• Czy Maven jest jedynym sposobem dodania biblioteki? Nie – możesz również pobrać plik JAR bezpośrednio.
• Czy to działa z plikami zabezpieczonymi hasłem? Tak, wystarczy podać hasło przy tworzeniu instancji Parser.

Czym jest java pdf table extraction?

Java pdf table extraction to proces programowego odczytywania struktur tabelarycznych osadzonych w plikach PDF (lub Word) przy użyciu kodu Java. GroupDocs.Parser abstrahuje niskopoziomowe parsowanie i zwraca każdą komórkę jako czysty tekst, gotowy do analiz lub importu do bazy danych. Obsługuje zarówno zeskanowane, jak i natywne PDF‑y, radząc sobie ze scalonymi komórkami i tabelami wielostronicowymi bez dodatkowej konfiguracji.

Dlaczego warto używać GroupDocs.Parser do ekstrakcji tabel?

GroupDocs.Parser obsługuje ponad 50 formatów wejściowych i wyjściowych — w tym PDF, DOCX, PPTX i HTML — dzięki czemu możesz ponownie wykorzystać to samo API w różnych typach dokumentów. Ekstrakcja oparta na układzie zapewnia dokładność do 98 % w przypadku złożonych tabel, a biblioteka przetwarza PDF‑y o setkach stron przy użyciu strumieniowania, utrzymując zużycie pamięci poniżej 200 MB.

Wymagania wstępne

• Zainstalowany Java Development Kit (JDK) 8+.
• Maven (lub ręczne zarządzanie plikami JAR) do zarządzania zależnościami.
• Podstawowa znajomość składni Java oraz koncepcji programowania obiektowego.

Konfiguracja GroupDocs.Parser dla Javy

Konfiguracja Maven

Jeśli zarządzasz zależnościami przy użyciu Maven, dodaj repozytorium i zależność do swojego pliku 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>

Bezpośrednie pobranie

Alternatywnie, pobierz najnowszą wersję bezpośrednio z GroupDocs.Parser for Java releases. Postępuj zgodnie z instrukcjami instalacji zamieszczonymi na ich stronie internetowej.

Uzyskanie licencji

Aby uzyskać pełny dostęp do funkcji GroupDocs.Parser, rozważ zakup licencji. Możesz rozpocząć od darmowej wersji próbnej lub uzyskać tymczasową licencję, postępując zgodnie ze wskazówkami na stronie zakupu.

Po skonfigurowaniu wszystkiego przejdźmy do rzeczywistej implementacji java pdf table extraction.

Przewodnik implementacji

Sprawdzanie wsparcia dokumentu dla ekstrakcji tabel

Czy ten dokument obsługuje ekstrakcję tabel?
Najpierw musisz potwierdzić, że docelowy plik może być przetwarzany pod kątem tabel. GroupDocs.Parser udostępnia flagę funkcji, która informuje, czy ekstrakcja tabel jest dostępna dla danego formatu, zapobiegając niepotrzebnym błędom w czasie wykonywania.

• Inicjalizacja Parsera: Klasa Parser jest punktem wejścia, który ładuje dokument do pamięci.
• Sprawdzenie funkcji: Wywołaj parser.getFeatures().isTables(); zwraca true, gdy ekstrakcja tabel jest obsługiwana.

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();
            }
        }
    }
}

Tworzenie układu tabeli do ekstrakcji

Jak zdefiniować precyzyjny układ tabeli?
Układ informuje silnik, gdzie zaczynają się kolumny i wiersze, co jest niezbędne w przypadku złożonych PDF‑ów, w których automatyczne wykrywanie może pominąć scalone komórki lub nieregularne odstępy.

• Współrzędne kolumn i wierszy: Określ pozycje początkowe/końcowe osi X dla każdej kolumny oraz pozycje osi Y dla każdego wiersza.
• TemplateTableLayout: Ten obiekt przechowuje mapę współrzędnych i jest później przekazywany do wywołania ekstrakcji.

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})
        );
    }
}

Ekstrakcja tabel z stron dokumentu

Jaki jest krok‑po‑kroku proces ekstrakcji tabel?
Po potwierdzeniu wsparcia i zdefiniowaniu układu, iterujesz przez każdą stronę, żądasz danych tabeli i zbierasz wyniki w kolekcji Java do dalszego przetwarzania.

• Iteracja po stronach: Pętla po parser.getPages() w celu obsługi wielostronicowych PDF‑ów.
• Ekstrakcja tabeli: Użyj parser.getTables(pageIndex, options), gdzie options zawiera wcześniej zdefiniowany układ.

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.");
            }
        }
    }
}

Praktyczne zastosowania java pdf table extraction

Implementacja ekstrakcji tabel może być przydatna w kilku rzeczywistych scenariuszach:

1. Analiza danych: Pobieranie danych strukturalnych z raportów finansowych lub publikacji naukowych do dalszej analizy.
2. Przetwarzanie faktur: Automatyzacja wyodrębniania pozycji z faktur i wprowadzanie danych do systemów księgowych.
3. Zarządzanie dokumentami: Indeksowanie wyodrębnionych danych tabelarycznych wraz z pełną treścią w celu zwiększenia możliwości wyszukiwania w rozwiązaniach DMS.

Wskazówki dotyczące wydajności

Aby uzyskać optymalną wydajność przy użyciu GroupDocs.Parser:

• Optymalizacja użycia pamięci: Przydziel wystarczającą przestrzeń sterty (np. -Xmx2g) dla dużych PDF‑ów.
• Przetwarzanie wsadowe: Grupuj wiele dokumentów w jednym zadaniu, aby zmniejszyć narzut rozgrzewania JVM.
• Efektywne układy: Precyzyjne definicje współrzędnych minimalizują obszar skanowania, przyspieszając ekstrakcję nawet o 30 %.

Typowe problemy i rozwiązania

Najczęściej zadawane pytania

Q: Czy mogę wyodrębniać tabele z innych formatów dokumentów?
A: Tak, GroupDocs.Parser obsługuje DOCX, PPTX, TXT i wiele innych formatów. Zapoznaj się z oficjalną dokumentacją, aby zobaczyć pełną listę.

Q: Czy potrzebna jest licencja do wersji deweloperskich?
A: Licencja próbna jest wystarczająca do rozwoju i testów. Licencja komercyjna jest wymagana przy wdrożeniach produkcyjnych.

Q: Jak GroupDocs.Parser obsługuje PDF‑y zabezpieczone hasłem?
A: Podaj hasło przy tworzeniu obiektu Parser, np. new Parser(filePath, password). Biblioteka automatycznie odszyfruje plik.

Q: Czy można wyodrębniać tabele bez definiowania układu?
A: Tak, możesz wywołać parser.getTables(pageIndex) bez opcji, ale ekstrakcja oparta na układzie zapewnia wyższą dokładność w przypadku złożonych tabel.

Q: Która wersja GroupDocs.Parser jest kompatybilna z Java 11?
A: Wersja 25.5 (użyta w tym przewodniku) w pełni obsługuje Java 8‑17, w tym Java 11.

Podsumowanie

Masz teraz gotowe do produkcji podejście do java pdf table extraction przy użyciu GroupDocs.Parser. Poprzez weryfikację możliwości dokumentu, definiowanie własnego TemplateTableLayout oraz iterację po stronach, możesz niezawodnie pobierać dane strukturalne dla dowolnego dalszego przepływu pracy w Javie.

Kolejne kroki

• Zapoznaj się z zaawansowanymi funkcjami, takimi jak scalanie tabel, formatowanie komórek i eksport do CSV, w dokumentacji.
• Eksperymentuj z różnymi konfiguracjami układów, aby obsłużyć różnorodne projekty tabel w swojej kolekcji dokumentów.

Ostatnia aktualizacja: 2026-09-17
Testowano z: GroupDocs.Parser 25.5 for Java
Autor: GroupDocs

Powiązane samouczki

• Jak wyodrębnić PDF przy użyciu GroupDocs.Parser w Javie: Kompletny przewodnik
• Ekstrakcja tekstu PDF w Javie przy użyciu GroupDocs.Parser – Przewodnik krok po kroku
• Jak wyodrębnić dane formularzy PDF w Javie przy użyciu GroupDocs.Parser – Kompletny przewodnik