Przetwarzanie PDF w Javie: Wyszukiwanie i podświetlanie za pomocą GroupDocs

Czy kiedykolwiek czujesz się przytłoczony morzem dokumentów — PDF‑ów, plików Word czy innych formatów — i chciałbyś łatwo znaleźć konkretne słowa lub frazy? Java PDF processing umożliwia to. W tym przewodniku nauczysz się, jak wyszukiwać tekst w plikach PDF i generować podświetlone fragmenty przy użyciu GroupDocs.Parser for Java. Niezależnie od tego, czy tworzysz narzędzie do analizy dokumentów, czy automatyzujesz przegląd treści, poniższe kroki zapewniają jasne, gotowe do produkcji rozwiązanie.

Szybkie odpowiedzi

• Która biblioteka obsługuje wyszukiwanie tekstu PDF w Javie? GroupDocs.Parser for Java.
• Czy potrzebuję licencji do rozwoju? Tymczasowa licencja działa w testach; pełna licencja jest wymagana w produkcji.
• Czy mogę podświetlić wiele wystąpień jednocześnie? Tak — ustaw promień podświetlenia i iteruj po wynikach.
• Czy wyszukiwanie rozróżnia wielkość liter? Domyślnie jest niewrażliwe na wielkość liter; możesz to przełączyć za pomocą SearchOptions.
• Jakie formaty są obsługiwane? Ponad 50 formatów wejściowych i wyjściowych, w tym PDF, DOCX, XLSX, PPTX, HTML i obrazy.

Co to jest przetwarzanie PDF w Javie?

Java PDF processing to zestaw programistycznych operacji — takich jak wyodrębnianie, wyszukiwanie i podświetlanie tekstu — wykonywanych na plikach PDF przy użyciu bibliotek Java. Dzięki GroupDocs.Parser możesz przeszukiwać dowolny obsługiwany dokument, pobierać otaczający kontekst i stosować wizualne podświetlenia, wszystko bez otwierania pliku w przeglądarce. Ta funkcjonalność pozwala tworzyć szybkie, przeszukiwalne archiwa i zautomatyzowane pipeline’y przeglądu, które skalują się do tysięcy stron w jednym dokumencie.

Dlaczego warto używać GroupDocs.Parser do przetwarzania PDF w Javie?

GroupDocs.Parser obsługuje ponad 50 formatów plików i może przetwarzać PDF‑y o setkach stron bez wczytywania całego pliku do pamięci, zmniejszając zużycie RAM o nawet 70 % w porównaniu z naiwnymi podejściami. Jego silnik wyszukiwania zwraca precyzyjne offsety, co umożliwia tworzenie własnych podświetleń w interfejsie UI lub eksport wyników do innych systemów. Biblioteka jest aktywnie utrzymywana, kompatybilna z Java 8+ i oferuje artefakty zarówno dla Maven, jak i Gradle, co ułatwia integrację.

Wymagania wstępne

Zanim zabierzemy się do pracy, upewnij się, że masz gotowe następujące niezbędne elementy:

• Środowisko programistyczne Java: zainstalowany JDK 8+.
• Maven lub Gradle: do zarządzania zależnościami i konfiguracji projektu.
• Biblioteka GroupDocs.Parser for Java: pobierz lub dodaj jako zależność.
• Przykładowy dokument: pliki PDF lub teksty do przeszukania.
• Podstawowa znajomość Javy: znajomość klas, metod i obsługi plików.

Jeśli jeszcze nie masz biblioteki, możesz pobrać najnowszą wersję z GroupDocs Downloads lub dodać ją poprzez Maven:

<dependency>
  <groupId>com.groupdocs</groupId>
  <artifactId>groupdocs-parser</artifactId>
  <version>21.12</version>
</dependency>

Importowanie pakietów

Na początek zaimportujmy niezbędne klasy z GroupDocs.Parser:

Parser jest główną klasą używaną do ładowania i interakcji z dokumentami. HighlightOptions konfiguruje sposób podświetlania dopasowanego tekstu. SearchOptions definiuje zachowanie wyszukiwania, takie jak rozróżnianie wielkości liter. SearchResult reprezentuje pojedyncze dopasowanie znalezione w dokumencie.

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.search.HighlightOptions;
import com.groupdocs.parser.search.SearchOptions;
import com.groupdocs.parser.search.SearchResult;

Te importy obejmują podstawowe funkcje parsowania dokumentów, ustawiania opcji podświetlania oraz wykonywania operacji wyszukiwania.

Jak działa przepływ pracy wyszukiwania i podświetlania?

Wczytaj swój PDF, skonfiguruj obiekt HighlightOptions, wykonaj parser.search, a następnie iteruj po kolekcji SearchResult, aby utworzyć podświetlone fragmenty. Cały proces przebiega w dwóch krokach: najpierw parser odczytuje strukturę dokumentu; następnie silnik wyszukiwania skanuje strumień tekstu, stosując zdefiniowane opcje. Takie podejście zapewnia wysoką wydajność nawet przy dużych plikach.

Przewodnik krok po kroku: wyszukiwanie tekstu z podświetleniami

Przejdźmy przez proces podzielony na przystępne, jasne kroki. Każdy krok ma własne wyjaśnienie, które pomoże zrozumieć dlaczego i jak.

Krok 1: Inicjalizacja parsera z dokumentem

Co się tutaj dzieje?
Tworzenie instancji klasy Parser powiązanej z plikiem dokumentu umożliwia dostęp i analizę jego zawartości.

Parser ładuje dokument i udostępnia metody do wyodrębniania tekstu oraz wyszukiwania.

try (Parser parser = new Parser("path/to/your/document.pdf")) {
    // your code here
}

W praktyce:
Instrukcja try-with-resources zapewnia, że plik zostanie prawidłowo zamknięty po przetworzeniu, zapobiegając wyciekom zasobów. Zastąp "path/to/your/document.pdf" dokładną ścieżką do pliku lub URL.

Krok 2: Ustawienie opcji podświetlania

Dlaczego definiować opcje podświetlania?
Możesz chcieć kontrolować wygląd lub zachowanie podświetlania wyników wyszukiwania — na przykład liczbę znaków wyświetlanych wokół dopasowania lub kolor (jeśli jest obsługiwany).

W tym przykładzie ustawiamy promień podświetlenia na 15 znaków:

HighlightOptions określa promień kontekstu oraz ustawienia wizualne podświetlonych wyników wyszukiwania.

HighlightOptions highlightOptions = new HighlightOptions(15);

To otacza znaleziony tekst otaczającym kontekstem — jak lupa wokół Twoich słów kluczowych — ułatwiając zauważenie, gdzie występują dopasowania.

Krok 3: Wykonanie wyszukiwania w dokumencie

Jak działa wyszukiwanie?
Korzystając z parser.search, podajesz słowo kluczowe lub frazę, opcje wyszukiwania, a następnie otrzymujesz iterowalną kolekcję obiektów SearchResult.

SearchOptions konfiguruje parametry wyszukiwania, takie jak rozróżnianie wielkości liter. SearchResult zawiera szczegóły każdego dopasowania, w tym dopasowany tekst i jego położenie.

Iterable<SearchResult> results = parser.search("lorem", new SearchOptions(true, false, false, highlightOptions));

Rozbicie konstruktora SearchOptions:

• true: Włącz wyszukiwanie bez rozróżniania wielkości liter.
• false: Nie dopasowuj wyłącznie całych słów.
• false: Nie wyszukuj wzorców regex.
• highlightOptions: Przekaż naszą konfigurację podświetlania.

Ta konfiguracja wyszukuje wszystkie wystąpienia "lorem", ignorując wielkość liter, i zwraca podświetlone fragmenty.

Krok 4: Obsługa wsparcia wyszukiwania i wyników

Sprawdź, czy wyszukiwanie jest obsługiwane
Niektóre formaty mogą nie obsługiwać wyszukiwania — zawsze to potwierdzaj:

parser.isSearchSupported() zwraca wartość boolean wskazującą, czy format załadowanego dokumentu umożliwia wyszukiwanie tekstu.

if (results == null) {
    System.out.println("Search isn't supported in this document format.");
    return;
}

Przetwarzaj każde dopasowanie
Iteruj po wynikach, aby wyodrębnić i wyświetlić dopasowane fragmenty z podświetleniami:

Obiekty SearchResult zapewniają dostęp do dopasowanej frazy oraz jej otaczającego kontekstu.

for (SearchResult result : results) {
    String snippet = String.format("%s%s%s", 
        result.getLeftHighlightItem().getText(), 
        result.getText(), 
        result.getRightHighlightItem().getText());
    System.out.println(snippet);
}

Częste problemy i rozwiązania

Najczęściej zadawane pytania

P: Czy mogę wyszukiwać wiele słów kluczowych jednocześnie?
O: Nie bezpośrednio; iteruj po każdym słowie kluczowym lub skonstruuj wyrażenie regularne, które dopasuje wszystkie pożądane terminy.

P: Czy promień podświetlenia wpływa na wszystkie formaty dokumentów?
O: Dla większości obsługiwanych formatów promień działa jednolicie; niektóre formaty oparte na obrazach go ignorują, ponieważ nie mają natywnej warstwy tekstowej.

P: Czy mogę zmienić kolory podświetlenia?
O: HighlightOptions kontroluje promień kontekstu; kolory wizualne zależą od przeglądarki PDF, której używasz do renderowania, a nie od samego parsera.

P: Czy wyszukiwanie rozróżnia wielkość liter domyślnie?
O: Nie. Ustawiając caseSensitive na false w SearchOptions, wyszukiwanie staje się niewrażliwe na wielkość liter.

P: Czy to działa z zeskanowanymi obrazami czy tylko z plikami tekstowymi?
O: Wyszukiwanie działa na dokumentach tekstowych. W przypadku zeskanowanych obrazów potrzebne są możliwości OCR, które zapewnia osobny moduł GroupDocs OCR.

Zasoby

• Dokumentacja: GroupDocs Documentation
• Referencja API: API Reference
• Pobieranie: GroupDocs Downloads
• GitHub: GroupDocs on GitHub
• Darmowe wsparcie: GroupDocs Forum
• Licencja tymczasowa: Get a Temporary License

Ostatnia aktualizacja: 2026-06-12
Testowano z: GroupDocs.Parser 23.9 (Java)
Autor: GroupDocs

Powiązane samouczki

• Wyodrębnianie tekstu z PDF‑ów przy użyciu GroupDocs.Parser dla Javy: Kompletny przewodnik
• Jak wyodrębnić tekst PDF w Javie przy użyciu GroupDocs.Parser
• Jak wyodrębnić metadane PDF przy użyciu GroupDocs.Parser w Javie: Przewodnik krok po kroku