Xử lý hàng loạt hoá đơn với Java parsing – GroupDocs.Parser

Câu trả lời nhanh

  • What does “extract invoice data” mean? Có nghĩa là tự động lấy các trường như số hoá đơn, ngày, thuế và tổng từ các tệp PDF, DOCX hoặc hình ảnh.
  • Which library should I use? GroupDocs.Parser for Java cung cấp việc trích xuất dựa trên mẫu với hỗ trợ regex đầy đủ.
  • Can I process many files at once? Có – kết hợp parser với các mẫu xử lý hàng loạt để xử lý khối lượng lớn một cách hiệu quả.
  • Do I need a license? Bản dùng thử miễn phí hoặc giấy phép tạm thời đủ cho việc đánh giá; cần giấy phép mua cho môi trường sản xuất.
  • Is it suitable for Java 8+? Chắc chắn – thư viện hỗ trợ JDK 8 và các phiên bản mới hơn.

“extract invoice data” là gì?

Extract invoice data là việc tự động lấy các trường quan trọng của hoá đơn—như số hoá đơn, ngày phát hành, số tiền thuế và tổng thanh toán—trực tiếp từ tài liệu kỹ thuật số. Bằng cách lập trình để xác định các giá trị này, doanh nghiệp loại bỏ việc nhập liệu thủ công, giảm lỗi và tăng tốc quá trình xử lý downstream như kế toán, báo cáo và phân tích.

Tại sao nên sử dụng GroupDocs.Parser cho Java?

GroupDocs.Parser cho Java cung cấp high‑precision extraction bằng cách kết hợp khớp biểu thức chính quy với vị trí trường liên kết. Nó hỗ trợ hơn 30 định dạng đầu vào và đầu ra, bao gồm PDF, DOCX và các loại hình ảnh phổ biến, và có thể xử lý tài liệu hàng trăm trang mà không cần tải toàn bộ tệp vào bộ nhớ. Điều này làm cho nó lý tưởng cho cả các trường hợp tài liệu đơn lẻ và các pipeline xử lý hàng loạt hoá đơn quy mô lớn.

Yêu cầu trước

  • JDK 8 hoặc cao hơn được cài đặt trên máy phát triển của bạn.
  • Một IDE như IntelliJ IDEA hoặc Eclipse.
  • Truy cập vào thư viện GroupDocs.Parser cho Java (có thể tải xuống từ Maven repository hoặc dưới dạng JAR).

Thư viện, phiên bản và phụ thuộc cần thiết

Thêm repository và dependency 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>

Bạn cũng có thể tải JAR mới nhất từ GroupDocs.Parser for Java releases.

Kiến thức nền tảng

Hiểu biết cơ bản về lập trình Java và I/O file sẽ giúp các bước diễn ra suôn sẻ hơn.

Cài đặt GroupDocs.Parser cho Java

  1. Thêm dependency Maven (hoặc JAR) vào dự án của bạn.
  2. Nhận giấy phép – bạn có thể bắt đầu với bản dùng thử miễn phí hoặc giấy phép tạm thời từ temporary license page.
  3. Khởi tạo parser – đoạn mã dưới đây hiển thị các import cần thiết và một khởi tạo đơn giản.
import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.*;
import com.groupdocs.parser.templates.*;

Cách tạo trường liên kết trong mẫu

Direct answer: Trường liên kết cho phép bạn bắt dữ liệu xuất hiện ở vị trí cố định so với một trường đã biết khác (ví dụ, số thuế sau từ “Tax”). Định nghĩa một trường nhãn (ví dụ, “Tax”) bằng mẫu biểu thức chính quy, sau đó tạo một trường liên kết để trích xuất giá trị nằm vài ký tự bên phải nhãn đó. Cách tiếp cận hai bước này đảm bảo giá trị được trích xuất luôn đồng nhất với nhãn ngay cả khi bố cục tài liệu thay đổi.

Định nghĩa trường biểu thức chính quy

Đầu tiên, chúng ta tìm nhãn Tax bằng một mẫu regex.

// Create a template field with a regex position
TemplateField regexField = new TemplateField(
        new TemplateRegexPosition("Tax"), 
        "Tax");

Cấu hình trường liên kết

Tiếp theo, chúng ta định nghĩa trường chứa số thuế thực tế, vị trí tương đối so với nhãn Tax.

// Create a linked field based on the position of 'Tax'
TemplateField linkedField = new TemplateField(
        new TemplateLinkedPosition(
                "Tax",
                new Size(100, 20),
                new TemplateLinkedPositionEdges(false, false, true, false)),
        "TaxValue");

Ghép mẫu lại

Kết hợp trường regex và trường liên kết thành một đối tượng mẫu duy nhất.

// Combine both fields into a comprehensive template
Template templateWithRegexAndLink = new Template(Arrays.asList(
        new TemplateItem[]{regexField, linkedField}));

Cách trích xuất dữ liệu hoá đơn bằng mẫu đã định nghĩa

Direct answer: Parser là lớp cốt lõi đọc và phân tích tài liệu. Tải tài liệu mục tiêu bằng Parser parser = new Parser("invoice.pdf"), áp dụng mẫu đã xây dựng trước đó qua parser.parse(template), sau đó lặp qua bộ sưu tập Field để đọc mỗi giá trị đã trích xuất. Quá trình này trả về một map có cấu trúc từ tên trường tới chuỗi đã trích xuất, sẵn sàng cho xử lý downstream.

Phân tích tài liệu

Mở PDF (hoặc bất kỳ định dạng hỗ trợ nào) và áp dụng mẫu.

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/InvoiceSample.pdf")) {
    // Extract data according to the defined template
    DocumentData data = parser.parseByTemplate(templateWithRegexAndLink);

Lặp qua dữ liệu đã trích xuất

Field đại diện cho một mảnh dữ liệu đã trích xuất, chứa tên và giá trị của nó. Lặp qua kết quả và in ra tên và giá trị của mỗi trường.

    // Loop through all extracted data items
    for (int i = 0; i < data.getCount(); i++) {
        Object pageArea = data.get(i).getPageArea();
        if (pageArea instanceof PageTextArea) {
            PageTextArea area = (PageTextArea) pageArea;
            System.out.println(data.get(i).getName() + ": " + area.getText());
        } else {
            System.out.println(data.get(i).getName() + ": Not a template field");
        }
    }
}

Mẹo khắc phục sự cố

TemplateLinkedPosition xác định vị trí tương đối và kích thước của một trường liên kết trong tài liệu.

  • Kiểm tra đường dẫn tệp và đảm bảo tài liệu có thể truy cập.
  • Kiểm tra biểu thức chính quy của bạn bằng công cụ như regex101.com trước khi nhúng.
  • Điều chỉnh Size và các thiết lập cạnh trong TemplateLinkedPosition nếu trường liên kết không được bắt đúng.

Ứng dụng thực tiễn

Các trường hợp sử dụng thực tế

  • Invoice processing – tự động lấy số hoá đơn, ngày, thuế và tổng cho hệ thống kế toán.
  • Contract management – trích xuất các bên, ngày hiệu lực và các điều khoản quan trọng từ hợp đồng pháp lý.
  • Customer data extraction – lấy chi tiết đơn hàng từ các mẫu đơn đặt hàng đã điền.

Khả năng tích hợp

Bạn có thể đưa dữ liệu đã trích xuất vào các nền tảng ERP hoặc CRM, lưu trữ trong cơ sở dữ liệu quan hệ, hoặc truyền vào pipeline phân tích downstream để báo cáo tài chính thời gian thực.

Mẹo xử lý tài liệu hàng loạt

Khi xử lý batch invoice processing, hãy cân nhắc:

  • Tái sử dụng một thể hiện Parser duy nhất cho nhiều tệp để giảm overhead.
  • Chạy các tác vụ phân tích trong parallel streams hoặc executor services để tận dụng CPU đa nhân.
  • Lưu kết quả đã trích xuất vào tệp CSV hoặc cơ sở dữ liệu để downstream tiêu thụ.
    ExecutorService là tiện ích đồng thời của Java quản lý pool các thread để thực thi tác vụ bất đồng bộ.

Các cân nhắc về hiệu năng

  • Simplify templates – ít trường và mẫu regex đơn giản hơn giúp tăng tốc phân tích.
  • Manage memory – đóng các đối tượng Parser kịp thời bằng try‑with‑resources.
  • Process in batches – nhóm tài liệu để cân bằng việc sử dụng CPU và I/O, tránh tăng đột biến tài nguyên.

Câu hỏi thường gặp

Q: GroupDocs.Parser for Java là gì?
A: GroupDocs.Parser for Java là một thư viện trích xuất dữ liệu có cấu trúc từ PDF, tài liệu Word, hình ảnh và các định dạng khác bằng cách sử dụng mẫu tùy chỉnh và biểu thức chính quy.

Q: Làm thế nào để thiết lập dự án Maven với GroupDocs.Parser?
A: Thêm repository và <dependency> được hiển thị trong khối Maven ở trên vào pom.xml của bạn, sau đó chạy mvn clean install để tải thư viện.

Q: Tôi có thể sử dụng GroupDocs.Parser mà không mua giấy phép không?
A: Có, bạn có thể bắt đầu với bản dùng thử miễn phí hoặc lấy giấy phép tạm thời cho mục đích đánh giá.

Q: Trường liên kết trong mẫu là gì?
A: Trường liên kết là các yếu tố mẫu có vị trí được định nghĩa tương đối so với một trường khác, cho phép trích xuất chính xác dựa trên bố cục tài liệu.

Q: Làm thế nào để mở rộng giải pháp cho hàng ngàn hoá đơn?
A: Thực hiện xử lý hàng loạt, tái sử dụng các thể hiện parser, và sử dụng đa luồng (ví dụ, Java ExecutorService) để phân tích đồng thời nhiều tệp trong khi giám sát việc sử dụng bộ nhớ.

Kết luận

Bằng cách làm theo hướng dẫn này, bạn đã biết cách extract invoice data với Java parsing, tận dụng biểu thức chính quy, và create linked fields thích nghi với bất kỳ bố cục hoá đơn nào. Thử nghiệm với các mẫu khác nhau, tích hợp đầu ra vào hệ thống tài chính của bạn, và khám phá các tính năng nâng cao như bộ chuyển đổi dữ liệu tùy chỉnh và hỗ trợ OCR cho hoá đơn đã quét.

Cập nhật lần cuối: 2026-09-22
Được kiểm tra với: GroupDocs.Parser 25.5
Tác giả: GroupDocs

Các hướng dẫn liên quan