Как искать regex в Java с помощью GroupDocs.Parser

Поиск в документах определённых шаблонов может быть сложным, особенно при работе с большими объёмами данных. Как искать regex в документах становится простым с GroupDocs.Parser для Java, который позволяет быстро и точно находить числа, адреса электронной почты или любой пользовательский шаблон. В этом руководстве вы узнаете, почему эта библиотека является лучшим выбором, как её настроить и пошаговый код, который можно скопировать в ваш проект.

Быстрые ответы

  • Какой первой строкой кода? Parser parser = new Parser(documentPath);
  • Нужна ли лицензия? Бесплатная пробная версия подходит для разработки; постоянная лицензия требуется для продакшн.
  • Могу ли я обрабатывать PDF более 100 МБ? Да, GroupDocs.Parser обрабатывает файлы до 500 МБ без загрузки всего файла в память.
  • Регулярные выражения чувствительны к регистру по умолчанию? Нет — чувствительность к регистру контролируется через SearchOptions.
  • Какая версия Java требуется? JDK 8 или новее.

Как искать regex в документах с GroupDocs.Parser?

Загрузите ваш документ, определите регулярное выражение и вызовите API поиска — эти три шага выполняют полную операцию how to search regex. Метод search эффективно сканирует файл, возвращая позицию и текст каждого совпадения, чтобы вы могли сразу обработать результаты.

Требования

  • Java Development Kit (JDK) 8 или выше.
  • Maven для управления зависимостями, или IDE, например IntelliJ IDEA или Eclipse.
  • Базовые знания Java и синтаксиса регулярных выражений.

Что вы узнаете

  • Как использовать GroupDocs.Parser с Java
  • Реализация функции extract text regex
  • Настройка окружения и зависимостей
  • Практические применения и соображения по производительности
  • Устранение распространённых проблем

С этими знаниями вы интегрируете мощные возможности текстового поиска в ваши Java‑приложения.

Настройка GroupDocs.Parser для Java

Установка через Maven

Добавьте GroupDocs.Parser в ваш проект, добавив следующее в ваш 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>

Прямое скачивание

Либо скачайте последнюю версию с GroupDocs.Parser for Java releases.

Получение лицензии:

  • Начните с бесплатной пробной версии, чтобы изучить возможности.
  • Получите временную лицензию для расширенного тестирования.
  • При интеграции в производственную среду приобретите полную лицензию.

Базовая инициализация

Parser — основной класс, представляющий документ и предоставляющий методы для извлечения и поиска.

Класс Parser — центральный объект GroupDocs.Parser, который загружает документ и открывает возможности поиска. Инициализируйте GroupDocs.Parser, создав экземпляр 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());
}

Руководство по реализации

Реализация поиска regex в документах

Цель — искать текстовые шаблоны с помощью регулярных выражений внутри документа.

Определите путь к документу и шаблон regex

Укажите каталог вашего документа и шаблон regex:

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

Настройте параметры поиска

SearchOptions позволяет точно настроить поиск, например включить чувствительность к регистру или ограничить область поиска.

SearchOptions — объект конфигурации, контролирующий обработку регистра, диапазон страниц и другие параметры для движка regex. Настройте операции поиска с помощью опций, таких как чувствительность к регистру:

import com.groupdocs.parser.options.SearchOptions;

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

Выполните операцию поиска

search — метод класса Parser, который запускает движок регулярных выражений по документу и возвращает коллекцию совпадений.
Выполните поиск regex и обработайте результаты:

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());
}

Понимание параметров и методов

  • search: Выполняет поиск с указанным шаблоном regex и параметрами.
  • getPosition(): Получает позицию каждого совпадения в документе.
  • getText(): Извлекает фрагмент найденного текста.

search — метод, который запускает движок регулярных выражений по содержимому документа. getPosition() возвращает нулевой индекс, указывающий, где начинается совпадение, а getText() предоставляет точную строку, соответствующую шаблону.

Советы по устранению неполадок

  • Убедитесь, что ваш regex правильно экранирован в строковых литералах Java.
  • Используйте try‑with‑resources для автоматического закрытия экземпляра Parser и освобождения памяти.
  • Обрабатывайте UnsupportedDocumentFormatException для файлов, которые библиотека не может прочитать.

Практические применения

  1. Обработка счетов – Автоматизируйте извлечение номеров счетов и дат с использованием конкретных шаблонов regex.
  2. Проверка данных – Проверяйте ввод на требуемый формат, например номера телефонов или почтовые коды.
  3. Фильтрация контента – Фильтруйте конфиденциальную информацию, определяя шаблоны, такие как номера кредитных карт.

Соображения по производительности

  • Ограничьте область поиска релевантными разделами (например, конкретными страницами), чтобы снизить нагрузку на CPU.
  • Эффективно управляйте памятью с помощью try‑with‑resources, который гарантирует своевременное закрытие потока документа.
  • Используйте скомпилированные объекты Pattern для повторных поисков; это уменьшает накладные расходы до 30 % при больших партиях.

GroupDocs.Parser поддерживает более 50 форматов ввода — включая PDF, DOCX, XLSX, PPTX, HTML и распространённые типы изображений — и может обрабатывать документы в сотни страниц без загрузки всего файла в память, обеспечивая стабильную производительность даже на скромных серверах.

Заключение

Следуя этому руководству, вы узнали how to search regex в документах с помощью GroupDocs.Parser для Java. Эта возможность улучшает способность вашего приложения эффективно обрабатывать и анализировать содержимое документов, будь то извлечение номеров счетов, проверка данных или удаление конфиденциальной информации.

Следующие шаги

  • Экспериментируйте с различными шаблонами regex, чтобы охватить больше сценариев.
  • Изучите дополнительные возможности GroupDocs.Parser, такие как извлечение метаданных или конвертация документов.
  • Интегрируйте логику поиска в ваш существующий конвейер данных или микросервис.

Часто задаваемые вопросы

В: Что такое регулярное выражение?
О: Регулярное выражение — это лаконичный, последовательный шаблон, определяющий текст, который вы хотите найти или заменить.

В: Может ли GroupDocs.Parser эффективно обрабатывать большие файлы?
О: Да — его потоковая архитектура обрабатывает файлы до 500 МБ без загрузки всего документа в ОЗУ.

В: Являются ли regex чувствительными к регистру по умолчанию в поиске GroupDocs.Parser?
О: Нет — поиск нечувствителен к регистру, если только вы не включите чувствительность к регистру через SearchOptions.

В: Какие типы документов я могу искать с помощью GroupDocs.Parser?
О: Он поддерживает более 50 форматов, включая PDF, DOCX, XLSX, PPTX, HTML и многие типы изображений.

В: Как обрабатывать неподдерживаемые форматы документов?
О: Оберните инициализацию парсера в блок try‑catch и перехватывайте UnsupportedDocumentFormatException, чтобы записать в лог или пропустить файл.

Ресурсы

Последнее обновление: 2026-05-28
Тестировано с: GroupDocs.Parser 23.9 for Java
Автор: GroupDocs

Связанные руководства