Phân tích tài liệu Java: Trích xuất hình ảnh từ tài liệu với GroupDocs.Parser

Trong hướng dẫn toàn diện này, bạn sẽ học các kỹ thuật java document parsing để trích xuất hình ảnh từ nhiều loại tệp khác nhau bằng GroupDocs.Parser cho Java. Chúng tôi sẽ hướng dẫn cài đặt thư viện, tạo một ExternalResourceHandler tùy chỉnh, và áp dụng bộ lọc thông minh để bạn chỉ tải các tài nguyên thực sự cần thiết—giúp giảm việc sử dụng bộ nhớ và tăng tốc xử lý.

Câu trả lời nhanh

• GroupDocs.Parser làm gì? Nó phân tích hơn 50 định dạng tệp, cung cấp văn bản, hình ảnh và các tài nguyên nhúng khác để sử dụng trong lập trình.
• Tôi có thể bỏ qua các hình ảnh không mong muốn không? Có—triển khai một ExternalResourceHandler tùy chỉnh để lọc tài nguyên ngay lập tức.
• Phiên bản Maven nào được yêu cầu? Sử dụng GroupDocs.Parser Java 25.5 hoặc mới hơn.
• Tôi có cần giấy phép không? Bản dùng thử miễn phí đủ cho việc đánh giá; giấy phép vĩnh viễn là bắt buộc cho môi trường sản xuất.
• Cách tiếp cận này có an toàn với đa luồng không? Tạo một thể hiện Parser riêng cho mỗi luồng; các đối tượng không được chia sẻ.

“Trích xuất hình ảnh từ tài liệu” là gì?

Trích xuất hình ảnh từ tài liệu có nghĩa là lấy các tệp hình ảnh nhúng một cách lập trình để bạn có thể lưu trữ, hiển thị hoặc xử lý chúng bên ngoài tệp gốc. Hoạt động này rất quan trọng khi bạn cần ảnh thu nhỏ, trực quan hoá dữ liệu, hoặc tái sử dụng tài nguyên truyền thông mà không cần giữ toàn bộ tài liệu nguồn.

Tại sao phải lọc tài nguyên khi trích xuất hình ảnh?

Lọc tài nguyên khi trích xuất hình ảnh cho phép bạn giảm việc sử dụng bộ nhớ lên tới 70 % khi xử lý các tệp lớn, vì các tệp nhị phân không mong muốn sẽ không bao giờ vào heap của JVM. Nó cũng cải thiện bảo mật bằng cách ngăn chặn nội dung tiềm ẩn không an toàn được tải, và tăng tốc quy trình—các hợp đồng lớn với hàng trăm đồ họa trang trí có thể được phân tích trong một phần thời gian so với trước.

Yêu cầu trước

• Bộ công cụ phát triển Java (JDK) – phiên bản 8 hoặc cao hơn.
• Maven – để quản lý phụ thuộc.
• Kiến thức cơ bản về Java I/O và xử lý ngoại lệ.

Cài đặt GroupDocs.Parser cho Java

Thêm kho lưu trữ GroupDocs và phụ thuộc parser vào pom.xml của bạn:

<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>

Hoặc, tải phiên bản mới nhất từ GroupDocs.Parser for Java releases.

Nhận giấy phép

• Bản dùng thử miễn phí – khám phá các tính năng cốt lõi mà không tốn phí.
• Giấy phép tạm thời – mở khóa toàn bộ chức năng trong quá trình đánh giá.
• Giấy phép mua – bắt buộc cho triển khai thương mại.

Cách lọc tài nguyên khi trích xuất hình ảnh

Để lọc tài nguyên, triển khai một ExternalResourceHandler quyết định tệp nhúng nào sẽ được tải. Đăng ký trình xử lý này trong ParserSettings trước khi mở tài liệu, sau đó gọi parser. Trình xử lý nhận siêu dữ liệu của mỗi tài nguyên, cho phép bạn chấp nhận hoặc từ chối dựa trên tiêu chí như loại, kích thước hoặc tên, đảm bảo chỉ các hình ảnh cần thiết được xử lý.

Bước 1: Tạo trình xử lý tùy chỉnh

ExternalResourceHandler là một giao diện cho phép bạn quyết định liệu một tài nguyên bên ngoài cụ thể—như một hình ảnh—có nên được tải hay không. Triển khai phương thức onLoading và trả về true cho các tài nguyên bạn muốn giữ, false để bỏ qua chúng. Phương thức onLoading nhận siêu dữ liệu tài nguyên và nên trả về true để tải hoặc false để bỏ qua tài nguyên.

import com.groupdocs.parser.options.ExternalResourceHandler;
import com.groupdocs.parser.data.ExternalResourceLoadingArgs;

class Handler extends ExternalResourceHandler {
    @Override
    public void onLoading(ExternalResourceLoadingArgs args) {
        if (!args.getUri().endsWith("installation.png")) {
            args.setSkipped(true);
        }
        super.onLoading(args);
    }
}

Bước 2: Cấu hình ParserSettings với trình xử lý

ParserSettings là lớp cấu hình chứa các tùy chọn như trình xử lý tùy chỉnh, cài đặt phát hiện và tối ưu hiệu năng cho parser. Truyền thể hiện trình xử lý của bạn vào ParserSettings trước khi mở tài liệu.

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.PageImageArea;
import com.groupdocs.parser.exceptions.IOException;
import com.groupdocs.parser.options.ParserSettings;

public class LoadExternalResources {
    public static void run() throws IOException {
        ParserSettings settings = new ParserSettings(new Handler());
        
        try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY", settings)) {
            Iterable<PageImageArea> images = parser.getImages();
            
            for (PageImageArea image : images) {
                System.out.println(image.getFileType());
            }
        }
    }
}

Bước 3: Tinh chỉnh logic lọc

Nếu bạn cần các quy tắc phức tạp hơn—như lọc theo kích thước hình ảnh, định dạng, hoặc mẫu URI—mở rộng phương thức onLoading cho phù hợp. Ví dụ, bạn có thể bỏ qua bất kỳ hình ảnh nào lớn hơn 2 MB hoặc bỏ qua tất cả các tệp PNG.

@Override
public void onLoading(ExternalResourceLoadingArgs args) {
    if (!args.getUri().endsWith("installation.png")) {
        args.setSkipped(true);
    }
}

Ứng dụng thực tiễn

1. Hệ thống quản lý tài liệu – Lấy chỉ các hình ảnh cần thiết từ hợp đồng đã quét để tạo ảnh thu nhỏ.
2. Dịch vụ trích xuất dữ liệu – Bỏ qua đồ họa trang trí và tập trung vào biểu đồ chứa dữ liệu quan trọng.
3. Công cụ thu thập web – Lọc bỏ các pixel theo dõi khi lấy các phương tiện có ý nghĩa từ tài liệu dựa trên HTML.

Các cân nhắc về hiệu năng

Parser là lớp cốt lõi mở tài liệu và cung cấp truy cập vào nội dung của nó.

• Lọc sớm: Áp dụng trình xử lý tùy chỉnh của bạn trước khi duyệt qua các tài nguyên để tránh tải dữ liệu không mong muốn vào bộ nhớ.
• Giải phóng kịp thời: Sử dụng try‑with‑resources (try (Parser parser = …)) để giải phóng tài nguyên gốc.
• Xử lý bất đồng bộ: Đối với các lô lớn, xử lý tài liệu bằng các luồng song song trong khi mỗi thể hiện Parser được giới hạn trong một luồng duy nhất.

Các vấn đề thường gặp & Giải pháp

Câu hỏi thường gặp

Q: Mục đích chính của việc sử dụng ExternalResourceHandler tùy chỉnh là gì?
A: Nó cho phép bạn kiểm soát tài nguyên bên ngoài nào sẽ được tải, nâng cao bảo mật và hiệu năng bằng cách lọc bỏ các tệp không cần thiết.

Q: Tôi có thể sử dụng GroupDocs.Parser cho Java mà không có giấy phép không?
A: Có, bản dùng thử miễn phí có sẵn, nhưng các tính năng nâng cao và triển khai quy mô lớn yêu cầu giấy phép hợp lệ.

Q: Làm thế nào để xử lý ngoại lệ khi phân tích bằng GroupDocs.Parser?
A: Bao quanh các lời gọi phân tích trong khối try‑catch cho IOException và các ngoại lệ cụ thể khác để xử lý lỗi một cách nhẹ nhàng.

Q: Những sai lầm phổ biến khi lọc tài nguyên là gì?
A: Kiểm tra URI không đúng có thể bỏ qua các tệp cần thiết; sử dụng ghi log hoặc breakpoint để xác minh các điều kiện của bạn.

Q: Có thể phân tích các tài liệu không phải HTML bằng GroupDocs.Parser cho Java không?
A: Chắc chắn—GroupDocs.Parser hỗ trợ PDF, Word, Excel, PowerPoint và nhiều định dạng khác.

Các bước tiếp theo

Khám phá toàn bộ API Reference để biết thêm các cài đặt như ParserSettings.setDetectTables(true) để trích xuất bảng, hoặc thử nghiệm với ParserSettings.setExtractEmbeddedFonts(true) để trích xuất phông chữ.

Cập nhật lần cuối: 2026-06-22
Kiểm tra với: GroupDocs.Parser 25.5 for Java
Tác giả: GroupDocs

Tài nguyên

• Tài liệu: Tài liệu GroupDocs.Parser
• Tham chiếu API: Chi tiết API
• Tải xuống: Các phiên bản mới nhất

Các hướng dẫn liên quan

• Hướng dẫn tải tài liệu cho GroupDocs.Parser Java
• trích xuất hình ảnh pdf với GroupDocs.Parser Java – Hướng dẫn
• Cách trích xuất hình ảnh từ pdf bằng GroupDocs.Parser trong Java: Hướng dẫn từng bước