Извлечение таблиц PDF и штрихкодов в Java с GroupDocs.Parser
Быстрые ответы
- Что можно извлечь? Штрихкоды, таблицы и любые пользовательские поля, определённые в шаблоне.
- Какая библиотека требуется? GroupDocs.Parser for Java (последняя версия).
- Нужна ли лицензия? Временная лицензия подходит для тестирования; полная лицензия требуется для продакшна.
- Поддерживается ли Java 8+? Да, библиотека работает с Java 8 и более новыми средами выполнения.
- Можно ли обрабатывать защищённые паролем PDF? Конечно — просто укажите пароль при загрузке документа.
Что такое парсинг на основе шаблонов?
Парсинг на основе шаблонов позволяет определить фиксированные позиции, связанные позиции или поля, основанные на регулярных выражениях, в файле шаблона, обеспечивая автоматическое извлечение структурированных данных, когда PDF соответствует макету. Такой подход преобразует неструктурированные страницы в чистые, машинно‑читаемые записи без ручного ввода данных, обычно сокращая время обработки с до 30 секунд на страницу до менее 2 секунд в среднем.
Почему извлекать штрихкоды из PDF с помощью GroupDocs.Parser?
Шаблоны устраняют необходимость постраничного OCR, сокращая время обработки до 90 %. Определения фиксированных позиций или регулярных выражений снижают уровень ложных срабатываний до менее 1 % для поддерживаемых типов штрихкодов. После создания шаблона его можно использовать в тысячах документов без изменения кода, а Java API без проблем интегрируется с существующими бэкенд‑сервисами или микросервисами.
Требования
- Java 8 или выше установлен.
- Maven или Gradle для управления зависимостями.
- Библиотека GroupDocs.Parser for Java (добавьте Maven‑артефакт в ваш проект).
- Пример PDF, содержащий штрихкод (или таблицу), соответствующий постоянному макету.
Пошаговое руководство
Шаг 1: добавить GroupDocs.Parser в ваш проект
Добавьте Maven‑зависимость в ваш pom.xml (или аналогичную запись Gradle). Этот шаг подготавливает вашу среду для парсинга по шаблону.
Шаг 2: создать шаблон парсинга
Определите шаблон в формате JSON или XML, описывающий, где находится штрихкод на странице. Вы также можете добавить поле для extract table from PDF Java указав регион таблицы. Шаблон может включать правила regex, если необходимо захватывать данные переменной длины.
Шаг 3: загрузить PDF и применить шаблон
Parser — основной класс GroupDocs.Parser, который читает PDF‑файлы и применяет шаблон для извлечения данных. Используйте класс Parser для открытия PDF, прикрепления шаблона и вызова метода extract. Библиотека возвращает коллекцию пар ключ‑значение, представляющих извлечённый штрихкод, строки таблицы или любые другие определённые вами данные.
Шаг 4: обработать извлечённые данные
Итерируйте набор результатов, сопоставляйте значения с вашими объектами домена и сохраняйте их в базе данных или передавайте в другой сервис. Здесь вы также можете extract data from PDF Java для последующей обработки.
Шаг 5: обработать типовые сценарии
- PDF, защищённые паролем: Передайте пароль конструктору
Parser. - Несколько страниц: Используйте поля связанных позиций для повторного извлечения на разных страницах.
- Обработка ошибок: Перехватывайте
ParserExceptionдля корректного управления некорректными документами.
Как выполнить извлечение таблиц PDF в Java?
Загрузите ваш PDF с помощью new Parser("document.pdf"), прикрепите шаблон, определяющий регион таблицы, и вызовите extract() — метод возвращает каждую строку в виде карты имён столбцов и их значений. Такой однократный вызов позволяет получать полные таблицы за миллисекунды, даже из файлов со сотнями страниц, поскольку библиотека потоково обрабатывает страницы, а не загружает весь документ в память.
Распространённые проблемы и решения
| Проблема | Решение |
|---|---|
| Шаблон не соответствует макету PDF | Проверьте координаты с помощью встроенного инструмента предварительного просмотра или скорректируйте значения фиксированных позиций. |
| Штрихкод не обнаружен | Убедитесь, что тип штрихкода поддерживается, и увеличьте разрешение изображения в настройках шаблона. |
| Извлечение возвращает пустые таблицы | Проверьте, правильно ли определён регион таблицы, и действительно ли PDF содержит структуру таблицы. |
Доступные руководства
Эффективный парсинг PDF в Java с использованием шаблонов GroupDocs.Parser
Learn how to use GroupDocs.Parser for Java to parse PDFs with template tables, extract data efficiently, and optimize document processing.
Мастер парсинга шаблонов Java с GroupDocs.Parser: Полное руководство по регулярным выражениям и связанным полям
Learn how to automate data extraction in Java using GroupDocs.Parser. This guide covers setting up, defining template fields, and parsing documents efficiently.
Парсинг страниц документов по шаблону с помощью GroupDocs.Parser в Java: Полное руководство
Learn how to efficiently parse document pages using templates with GroupDocs.Parser for Java, focusing on extracting barcode data from PDFs.
Дополнительные ресурсы
- Документация GroupDocs.Parser for Java
- Справочник API GroupDocs.Parser for Java
- Скачать GroupDocs.Parser for Java
- Форум GroupDocs.Parser
- Бесплатная поддержка
- Временная лицензия
Часто задаваемые вопросы
В: Можно ли извлечь несколько штрихкодов из одного PDF?
О: Да. Определите несколько полей штрихкода в шаблоне или используйте поле связанной позиции для повторного извлечения на разных страницах.
В: Возможно ли извлекать таблицы без предопределённого макета?
О: Хотя парсинг по шаблону лучше всего работает с постоянными макетами, вы можете комбинировать его с OCR для динамического обнаружения структуры таблиц.
В: Как GroupDocs.Parser обрабатывает большие PDF‑файлы?
О: Библиотека потоково обрабатывает страницы, поэтому использование памяти остаётся низким. Для очень больших файлов обрабатывайте их партиями или используйте метод extractPages. extractPages извлекает данные из указанных диапазонов страниц, позволяя пакетно обрабатывать большие PDF‑файлы.
В: Нужно ли писать пользовательский код для парсинга штрихкодов?
О: Нет. Извлечение штрихкодов встроено в движок шаблонов; достаточно указать тип штрихкода и его расположение.
В: Какие форматы штрихкодов поддерживаются?
О: Поддерживаются распространённые форматы, такие как QR, Code128, EAN, UPC и DataMatrix.
Последнее обновление: 2026-09-22
Тестировано с: GroupDocs.Parser for Java 24.11
Автор: GroupDocs
