Regex PDF Arama Java – GroupDocs.Parser ile Metin Çıkarma

Hızlı Yanıtlar

  • Java’da regex PDF aramasını hangi kütüphane yönetir? GroupDocs.Parser for Java.
  • Temel bir arama için kaç satır kod gerekir? Başlatmadan sonra sadece iki satır.
  • Hangi Java sürümü gereklidir? JDK 8 veya daha yenisi.
  • Çok sayfalı PDF’lerde arama yapabilir miyim? Evet – motor sayfaları akış olarak işler, 500+ sayfalı belgeleri yönetir.
  • Geliştirme için lisansa ihtiyacım var mı? Test için ücretsiz deneme çalışır; üretim için ticari lisans gerekir.

regex PDF arama java nedir?

regex pdf search java Java’nın Pattern ve Matcher sınıflarını GroupDocs.Parser ile birlikte kullanarak PDF dosyaları içinde düzenli ifade kalıplarını bulmayı ifade eder. Bu yaklaşım, tüm belgeyi belleğe yüklemeden—telefon numaraları, kimlikler, tarihler—herhangi bir metin kalıbını verimli bir şekilde çıkarmanızı sağlar.

Neden regex aramaları için GroupDocs.Parser kullanmalısınız?

GroupDocs.Parser 50+ giriş ve çıkış formatını destekler ve bellek kullanımını 50 MB’nin altında tutarak çok sayfalı PDF’leri işleyebilir. Yerel akış motoru tam belge yüklemesini önler ve basit metin çıkarma döngülerine göre 3× daha hızlı arama hızları sunar.

Önkoşullar

  • Java Development Kit (JDK): Versiyon 8 veya üzeri.
  • Maven: Bağımlılık yönetimi için – Apache Maven adresinden kurun.
  • Temel Java bilgisi: Pattern sözdizimine aşina olmak geliştirmeyi hızlandırır.

GroupDocs.Parser’ı Java için Kurma

GroupDocs.Parser’ı kullanmaya başlamak için, kütüphaneyi Maven projenize ekleyin.

Maven
Depoyu ve bağımlılığı pom.xml dosyasına ekleyin:

<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>

Doğrudan İndirme
Ayrıca en son ikili dosyaları resmi sürüm sayfasından alabilirsiniz.

Lisans Edinme

Deneme veya kalıcı lisansı GroupDocs satın alma sayfasından edinin. Deneme, tüm özellikleri kısıtlama olmadan değerlendirmenizi sağlar.

Temel Başlatma ve Kurulum

Parser sınıfı, GroupDocs.Parser’ın PDF dosyalarını yükleyen ve işleyen temel bileşenidir. Şu şekilde başlatın:

import com.groupdocs.parser.Parser;

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/sample.pdf")) {
    // Your code here
} catch (Exception e) {
    e.printStackTrace();
}

Dosya yolunun sisteminizde okunabilir bir PDF’ye işaret ettiğinden emin olun.

Java’da regex PDF araması nasıl yapılır?

Parser ile hedef PDF’yi yükleyin, bir Java Pattern derleyin ve search() metodunu çağırın – API, her eşleşmenin metin ve konumunu içeren SearchResult nesnelerinin bir koleksiyonunu döndürür. Bu tek adımlı süreç, belge boyutuna göre lineer zamanda çalışır ve tipik dosyalar için sonuçları milisaniyeler içinde sunar.

Adım 1: Gerekli Sınıfları İçe Aktarın

Pattern, metin eşleştirme için kullanılan bir düzenli ifadenin Java tarafından derlenmiş temsilidir.

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.SearchResult;
import com.groupdocs.parser.options.SearchOptions;
import com.groupdocs.parser.exceptions.UnsupportedDocumentFormatException;

Adım 2: Belge Yolunu ve Regex Kalıbını Tanımlayın

PDF konumunu ve eşleştirmek istediğiniz düzenli ifadeyi belirtin. Bu örnekte üç ila altı basamaktan oluşan dizileri arıyoruz:

String filePath = "YOUR_DOCUMENT_DIRECTORY/sample.pdf";
String regexPattern = "[0-9]+"; // This pattern matches sequences of digits.

Adım 3: Parser’ı Başlatın ve Aramayı Gerçekleştirin

SearchOptions, arama işleminin davranışını, örneğin büyük/küçük harf duyarlılığı ve gizli metin işleme gibi ayarları yapılandırır.

try (Parser parser = new Parser(filePath)) {
    Iterable<SearchResult> sr = parser.search(regexPattern, new SearchOptions(true, false, true));

    if (sr == null) {
        throw new UnsupportedDocumentFormatException("Text search is not supported for this document.");
    }

    for (SearchResult result : sr) {
        System.out.println(String.format("At %d: %s", result.getPosition(), result.getText()));
    }
} catch (UnsupportedDocumentFormatException ex) {
    System.err.println(ex.getMessage());
}

Parametreler ve Metotların Açıklaması

  • new SearchOptions(true, false, true): Gizli metni yok sayarken büyük/küçük harf duyarlı eşleşmeyi etkinleştirir.
  • search(): Kalıbın her oluşumunu içeren bir Iterable<SearchResult> döndürür.
  • getPosition() & getText(): Her bir eşleşme için sayfa numarasını, koordinatları ve eşleşen dizeyi sağlar.

Yaygın Sorunlar ve Çözümler

  • UnsupportedDocumentFormatException: PDF’nin bozuk olmadığını ve format sürümünün desteklendiğini doğrulayın (GroupDocs.Parser PDF 1.4‑1.7’yi işler).
  • Regex Sözdizimi Hataları: Java’nın Patterni standart sözdizimini izler; ters bölücüleri (\\) kaçırın ve tam arama çalıştırmadan önce kalıpları Pattern.compile() ile test edin.

Pratik Uygulamalar

  1. Veri Çıkarma: Toplu PDF arşivlerinden fatura numaralarını, sipariş kimliklerini veya sosyal güvenlik numaralarını çekin.
  2. Uyumluluk Denetimleri: Sözleşmeleri yasaklı maddeler veya hassas kişisel veriler için tarayın.
  3. Otomatik Dizinleme: Algılanan kalıplara dayalı aranabilir dizinler oluşturarak sonraki sorguları hızlandırın.

Performans Düşünceleri

  • Kalıpları Basitleştirin: Karmaşık look‑behind ifadeleri hızı düşürebilir; doğrudan karakter sınıflarını tercih edin.
  • Bellek Yönetimi: İşlemeyi bitirir bitirmez parser.close() çağırarak dosya tutamaçlarını serbest bırakın.
  • Paralel İşleme: Toplu işler için her dosyayı ayrı bir iş parçacığında çalıştırın veya CPU kullanımını yüksek tutmak için bir executor servisi kullanın.

Sık Sorulan Sorular

S: GroupDocs.Parser hangi dosya formatlarını destekliyor?
C: GroupDocs.Parser PDF, DOCX, XLSX, PPTX, HTML ve yaygın görüntü tipleri dahil olmak üzere 50+ formatı destekler. Tam listeyi API Referansı adresinde görebilirsiniz.

S: GroupDocs.Parser ile büyük dosyaları nasıl yönetirim?
C: Büyük PDF’leri akış modunda işleyin, her dosyadan sonra Parser‘ı kapatın ve toplu iş yükleri için eşzamanlı yürütmeyi düşünün.

S: Çok satırlı regex kalıpları kullanabilir miyim?
C: Evet – kalıbınıza (?s) bayrağını ekleyin veya satır sonlarını kapsamak için Pattern.MULTILINE ile çok satır modunu etkinleştirin.

S: Belge formatım GroupDocs.Parser tarafından desteklenmiyorsa ne yapmalıyım?
C: Desteklenen Formatlar sayfasını inceleyin; desteklenmeyen tipler için önce PDF’ye dönüştürmeyi düşünün.

S: Belirli sorunlar için nasıl yardım alabilirim?
C: Hem topluluk üyelerinin hem de ürün mühendislerinin yanıt verdiği GroupDocs Ücretsiz Destek Forumuna sorularınızı gönderin.

Kaynaklar

Son Güncelleme: 2026-06-07
Test Edilen Versiyon: GroupDocs.Parser 23.12 for Java
Yazar: GroupDocs

İlgili Eğitimler