Jak wyszukiwać wyrażenia regularne w Javie przy użyciu GroupDocs.Parser

Przeszukiwanie dokumentów w poszukiwaniu konkretnych wzorców może być trudne, szczególnie przy dużych ilościach danych. Jak wyszukiwać wyrażenia regularne w dokumentach staje się proste dzięki GroupDocs.Parser dla Javy, który pozwala szybko i dokładnie znajdować liczby, adresy e‑mail czy dowolny niestandardowy wzorzec. W tym samouczku zobaczysz, dlaczego ta biblioteka jest najlepszym wyborem, jak ją skonfigurować oraz kod krok po kroku, który możesz skopiować do swojego projektu.

Szybkie odpowiedzi

  • Jaka jest pierwsza linia kodu? Parser parser = new Parser(documentPath);
  • Czy potrzebna jest licencja? Darmowa wersja próbna działa w środowisku deweloperskim; stała licencja jest wymagana w produkcji.
  • Czy mogę przetwarzać pliki PDF powyżej 100 MB? Tak, GroupDocs.Parser obsługuje pliki do 500 MB bez ładowania całego pliku do pamięci.
  • Czy wyrażenia regularne są domyślnie rozróżniające wielkość liter? Nie — rozróżnianie wielkości liter jest kontrolowane za pomocą SearchOptions.
  • Jakiej wersji Javy wymaga? JDK 8 lub nowszy.

Jak wyszukiwać wyrażenia regularne w dokumentach przy użyciu GroupDocs.Parser?

Załaduj dokument, zdefiniuj wyrażenie regularne i wywołaj API wyszukiwania — te trzy kroki wykonują pełną operację jak wyszukiwać wyrażenia regularne. Metoda search skanuje plik efektywnie, zwracając pozycję i tekst każdego dopasowania, dzięki czemu możesz od razu działać na wynikach.

Wymagania wstępne

  • Java Development Kit (JDK) 8 lub wyższy.
  • Maven do zarządzania zależnościami lub IDE, takie jak IntelliJ IDEA lub Eclipse.
  • Podstawowa znajomość Javy i składni wyrażeń regularnych.

Czego się nauczysz

  • Jak używać GroupDocs.Parser z Javą
  • Implementacja funkcjonalności extract text regex
  • Konfiguracja środowiska i zależności
  • Praktyczne zastosowania i kwestie wydajności
  • Rozwiązywanie typowych problemów

Dzięki tej wiedzy zintegrować możesz potężne możliwości wyszukiwania tekstu w swoich aplikacjach Java.

Konfiguracja GroupDocs.Parser dla Javy

Instalacja za pomocą Maven

Dodaj GroupDocs.Parser do swojego projektu, dodając poniższy fragment do 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 z wydania GroupDocs.Parser dla Javy.

Pozyskiwanie licencji:

  • Rozpocznij od darmowej wersji próbnej, aby przetestować funkcje.
  • Uzyskaj tymczasową licencję do rozszerzonego testowania.
  • Kup pełną licencję, jeśli integrujesz rozwiązanie w środowisku produkcyjnym.

Podstawowa inicjalizacja

Parser jest klasą podstawową, która reprezentuje dokument i udostępnia metody do ekstrakcji i wyszukiwania.

Klasa Parser jest centralnym obiektem GroupDocs.Parser, który ładuje dokument i udostępnia możliwości wyszukiwania. Zainicjalizuj GroupDocs.Parser, tworząc instancję Parser:

import com.groupdocs.parser.Parser;

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY")) {
    // Your code here
} catch (Exception e) {
    System.err.println("Error initializing parser: " + e.getMessage());
}

Przewodnik implementacji

Implementacja wyszukiwania wyrażeń regularnych w dokumentach

Celem jest wyszukiwanie wzorców tekstowych przy użyciu wyrażeń regularnych w dokumencie.

Zdefiniuj ścieżkę do dokumentu i wzorzec regex

Określ katalog dokumentu oraz wzorzec regex:

String documentPath = "YOUR_DOCUMENT_DIRECTORY";
String regexPattern = "[0-9]{2}"; // Matches any two consecutive digits

Skonfiguruj opcje wyszukiwania

SearchOptions umożliwia precyzyjne dostosowanie wyszukiwania, np. włączenie rozróżniania wielkości liter lub ograniczenie zakresu wyszukiwania.

SearchOptions jest obiektem konfiguracyjnym kontrolującym obsługę wielkości liter, zakres stron i inne parametry silnika regex. Dostosuj operacje wyszukiwania za pomocą opcji, takich jak rozróżnianie wielkości liter:

import com.groupdocs.parser.options.SearchOptions;

SearchOptions options = new SearchOptions(true, false, true); // Case-sensitive search

Wykonaj operację wyszukiwania

search jest metodą klasy Parser, która uruchamia silnik wyrażeń regularnych na dokumencie i zwraca kolekcję dopasowań.
Wykonaj wyszukiwanie regex i przetwórz wyniki:

import com.groupdocs.parser.data.SearchResult;
import java.util.Iterator;

try (Parser parser = new Parser(documentPath)) {
    Iterable<SearchResult> results = parser.search(regexPattern, options);

    for (SearchResult result : results) {
        int position = result.getPosition();
        String text = result.getText();

        // Output format: "At [position]: [text]"
        System.out.println(String.format("At %d: %s", position, text));
    }
} catch (Exception e) {
    System.err.println("Search operation failed: " + e.getMessage());
}

Zrozumienie parametrów i metod

  • search: wykonuje wyszukiwanie przy użyciu podanego wzorca regex i opcji.
  • getPosition(): pobiera pozycję każdego dopasowania w dokumencie.
  • getText(): wyodrębnia fragment dopasowanego tekstu.

search jest metodą uruchamiającą silnik wyrażeń regularnych na zawartości dokumentu. getPosition() zwraca indeks zerowy wskazujący, gdzie zaczyna się dopasowanie, natomiast getText() dostarcza dokładny ciąg znaków spełniający wzorzec.

Wskazówki dotyczące rozwiązywania problemów

  • Upewnij się, że Twój regex jest poprawnie escapowany w literałach ciągów Javy.
  • Używaj try‑with‑resources, aby automatycznie zamykać instancję Parser i zwalniać pamięć.
  • Obsłuż UnsupportedDocumentFormatException dla plików, których biblioteka nie potrafi odczytać.

Praktyczne zastosowania

  1. Przetwarzanie faktur – Automatyzuj wyodrębnianie numerów faktur i dat przy użyciu konkretnych wzorców regex.
  2. Walidacja danych – Waliduj wpisy pod kątem wymaganego formatu, np. numerów telefonów lub kodów pocztowych.
  3. Filtrowanie treści – Filtruj wrażliwe informacje, identyfikując wzorce takie jak numery kart kredytowych.

Aspekty wydajności

  • Ogranicz zakres wyszukiwania do istotnych sekcji (np. konkretnych stron), aby zmniejszyć zużycie CPU.
  • Efektywnie zarządzaj pamięcią przy użyciu try‑with‑resources, co zapewnia szybkie zamknięcie strumienia dokumentu.
  • Używaj skompilowanych obiektów Pattern przy powtarzających się wyszukiwaniach; zmniejsza to narzut o nawet 30 % przy dużych partiach.

GroupDocs.Parser obsługuje ponad 50 formatów wejściowych — w tym PDF, DOCX, XLSX, PPTX, HTML oraz popularne typy obrazów — i może przetwarzać dokumenty liczące setki stron bez ładowania całego pliku do pamięci, zapewniając spójną wydajność nawet na skromnych serwerach.

Zakończenie

Postępując zgodnie z tym przewodnikiem, nauczyłeś się jak wyszukiwać wyrażenia regularne w dokumentach przy użyciu GroupDocs.Parser dla Javy. Ta funkcjonalność zwiększa możliwości Twojej aplikacji w efektywnym przetwarzaniu i analizie treści dokumentów, niezależnie od tego, czy wyodrębniasz numery faktur, walidujesz dane, czy usuwasz wrażliwe informacje.

Kolejne kroki

  • Eksperymentuj z różnymi wzorcami regex, aby objąć więcej scenariuszy użycia.
  • Poznaj dodatkowe funkcje GroupDocs.Parser, takie jak ekstrakcja metadanych czy konwersja dokumentów.
  • Zintegruj logikę wyszukiwania z istniejącym pipeline’em danych lub mikroserwisem.

Najczęściej zadawane pytania

Q: Czym jest wyrażenie regularne?
A: Wyrażenie regularne to zwięzły, sekwencyjny wzorzec definiujący tekst, który chcesz odnaleźć lub zamienić.

Q: Czy GroupDocs.Parser radzi sobie efektywnie z dużymi plikami?
A: Tak — jego architektura strumieniowa przetwarza pliki do 500 MB bez ładowania całego dokumentu do pamięci RAM.

Q: Czy wyrażenia regularne są domyślnie rozróżniające wielkość liter w wyszukiwaniach GroupDocs.Parser?
A: Nie — wyszukiwania są niewrażliwe na wielkość liter, chyba że włączysz rozróżnianie wielkości liter za pomocą SearchOptions.

Q: Jakie typy dokumentów mogę przeszukiwać przy użyciu GroupDocs.Parser?
A: Obsługuje ponad 50 formatów, w tym PDF, DOCX, XLSX, PPTX, HTML oraz wiele typów obrazów.

Q: Jak obsłużyć nieobsługiwane formaty dokumentów?
A: Otocz inicjalizację parsera blokiem try‑catch i przechwyć UnsupportedDocumentFormatException, aby zalogować lub pominąć plik.

Zasoby

Ostatnia aktualizacja: 2026-05-28
Testowano z: GroupDocs.Parser 23.9 dla Javy
Autor: GroupDocs

Powiązane samouczki