使用 GroupDocs.Parser 在 Java 中從 ZIP 檔案提取文字

如果您需要在 Java 應用程式中 從 zip 壓縮檔提取文字，GroupDocs.Parser 提供了簡潔、統一的 API，為您處理繁重的工作。無論是處理電子郵件附件、大量文件上傳，或是備份檔案，本教學將一步步說明——從 Maven 設定到遍歷 ZIP 內每個檔案並取得可讀內容。

快速答覆

• 應該使用哪個函式庫？ GroupDocs.Parser for Java。
• 能否從 ZIP 內的每個檔案提取文字？ 可以，支援所有 parser 可處理的格式。
• 需要授權嗎？ 免費試用可用於評估；正式環境需購買永久授權。
• 記憶體使用是否會成問題？ 使用 try‑with‑resources 並逐項處理，可保持佔用低。
• 需要哪個 Java 版本？ JDK 8 或以上。

您將學會

• 如何在 Java 中使用 GroupDocs.Parser 從 zip 檔案提取文字。
• 透過 Maven 或直接下載的方式設定函式庫。
• 讀取 zip 附件的實作範例以及檢查容器支援情況。
• 真實案例、效能技巧與除錯建議。

為何選擇 GroupDocs.Parser 進行 ZIP 提取？

• 統一 API – 一個呼叫即可處理數十種文件類型，無需額外解析器。
• 容器感知 – 函式庫可在開始處理前告訴您 ZIP 是否支援提取。
• 資源友好 – 自動串流處理與 try‑with‑resources 可降低記憶體使用。

前置條件

在開始之前，請確保您已具備：

• 已安裝並設定 JDK 8+。
• 如 IntelliJ IDEA 或 Eclipse 等 IDE（任何支援 Java 的編輯器皆可）。
• 基本的 Maven 知識（或手動加入 JAR 的能力）。

必要函式庫、版本與相依性

您需要最新的 GroupDocs.Parser for Java。以下為 Maven 坐標。

Maven 設定

<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>

直接下載
亦可從 GroupDocs.Parser for Java releases 下載最新版本。

授權取得

• 免費試用： 先以試用版探索功能。
• 臨時授權： 使用臨時金鑰即可無限制測試。
• 購買授權： 正式上線時取得完整授權，以移除評估限制。

如何在 Java 中從 zip 提取文字

以下將實作分為兩個實用功能：

1. 提取 zip 附件 – 從壓縮檔內每個檔案抽取文字。
2. 檢查容器提取支援 – 驗證 ZIP 是否可處理並列出其內容。

功能 1 – 提取 Zip 附件

步驟 1：初始化 Parser

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/SampleZip.zip")) {
    // Proceed with extraction logic...
}

步驟 2：遍歷附件並提取文字

Iterable<ContainerItem> attachments = parser.getContainer();
if (attachments == null) {
    System.out.println("Container extraction isn't supported");
} else {
    for (ContainerItem item : attachments) {
        try (Parser attachmentParser = item.openParser()) {
            // Attempt to extract text from each zip entity
            try (TextReader reader = attachmentParser.getText()) {
                String extractedText = reader == null ? "No text" : reader.readToEnd();
                System.out.println(extractedText);
            }
        } catch (UnsupportedDocumentFormatException ex) {
            System.out.println("The format of the contained document isn't supported.");
        }
    }
}

這段程式碼在做什麼？

• parser.getContainer() 會回傳 ZIP 內所有條目的可遍歷集合。
• 對於每個 ContainerItem，我們會開啟專屬的 Parser 實例（item.openParser()）。
• attachmentParser.getText() 嘗試讀取文字內容；若格式不支援，會捕捉例外並繼續處理。

功能 2 – 驗證容器提取支援

步驟 1：初始化 Parser（同上）

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/SampleZip.zip")) {
    // Check supported operations...
}

步驟 2：列出 ZIP 內的檔案路徑

Iterable<ContainerItem> attachments = parser.getContainer();
if (attachments == null) {
    System.out.println("Container extraction isn't supported");
} else {
    for (ContainerItem item : attachments) {
        System.out.println(item.getFilePath()); // Output the file path of each item
    }
}

為何這很重要：
了解內部結構可協助您決定是否處理整個壓縮檔、跳過不支援的檔案，或向使用者提供預覽。

實務應用

1. 電子郵件附件處理 – 自動從壓縮的郵件附件中提取並建立索引。
2. 文件管理系統 – 接收使用者一次上傳多個檔案的壓縮包，仍能搜尋內容。
3. 備份與還原驗證 – 在還原前驗證壓縮文件是否包含預期文字。

效能考量

• 逐項處理： 範例一次讀取一個檔案，可避免大型壓縮檔造成記憶體激增。
• Try‑with‑Resources： 確保每個 Parser 與 TextReader 及時關閉，防止資源泄漏。
• 多執行緒（進階）： 對於極大 ZIP，可將迴圈平行化，但每個執行緒必須使用自己的 Parser 實例。

常見問題與解決方案

常見問答

Q: 什麼是 GroupDocs.Parser Java？
A: 這是一套可從多種文件格式（包括 PDF、Office 檔等）提取文字、metadata 與圖片的函式庫。

Q: 能否使用此函式庫從 zip 中提取非文字檔（例如圖片）？
A: 主要功能是文字提取，但亦可透過額外 API 取得圖片與其他二進位內容。

Q: 如何有效處理非常大的 ZIP 檔案？
A: 採用上述逐項迭代方式，將 parser 放在 try‑with‑resources 區塊內，並避免一次載入全部內容。

Q: GroupDocs.Parser 可用於商業應用嗎？
A: 可以，但必須擁有有效的正式授權。

Q: 若遇到問題該向哪裡尋求協助？
A: 可前往免費支援論壇 GroupDocs Support Forum 取得協助。

其他資源

• 文件說明
• API 參考
• 下載頁面
• GitHub 儲存庫
• 免費支援
• 臨時授權

立即開始整合 從 zip 提取文字 功能，讓您的 Java 應用程式能讀取壓縮檔內的每份文件！

最後更新： 2026-02-21
測試版本： GroupDocs.Parser 25.5
作者： GroupDocs