使用 GroupDocs.Parser 的 Java PDF 表格提取

從 PDF 表格中提取資料是開發人員常見的挑戰，尤其是需要 java pdf table extraction 功能時。無論是自動化發票處理、從受密碼保護的 PDF 中提取資料，或是在單一文件中處理多個表格，GroupDocs.Parser for Java 都提供可靠且高效的方式，將非結構化的表格轉換為可程式化操作的結構化資料。

在本教學中，你將學習如何設定 GroupDocs.Parser、定義表格模板，並高效提取資料。我們還會示範實際案例，例如提取發票資料 PDF、讀取受密碼保護的 PDF，以及一次性提取多個 PDF 表格。

快速答案

  • 什麼函式庫支援 java pdf table extraction? GroupDocs.Parser for Java – 處理表格、圖像和文字的專用 API。
  • 我可以讀取受密碼保護的 PDF 檔案嗎？ 是的 – 只需在建立 Parser 實例時傳入密碼。
  • 是否可以從同一個 PDF 中提取多個表格？ 當然可以；為每個表格區域定義一個獨立的 TemplateTable。
  • 我需要授權才能在生產環境使用嗎？ 需要商業授權；亦提供免費試用供評估。
  • 需要哪個 Java 版本？ Java 8 或更高；建議使用 JDK 11 以上以獲得最佳效能。

什麼是 java pdf table extraction？

java pdf table extraction 是以程式方式定位、讀取並將 PDF 檔案中嵌入的表格資料轉換為結構化格式（如 CSV、JSON 或 Java 物件）的過程。使用 GroupDocs.Parser，你可以定義包含表格的精確矩形區域，讓引擎負責解析。

為何在 java pdf table extraction 中使用 GroupDocs.Parser？

GroupDocs.Parser 透過基於矩形的偵測提供高精度的提取，在一般發票上可達到超過 98 % 的單元格層級準確率，同時其原生引擎在標準 4 核心伺服器上每秒可處理約十頁。它支援加密 PDF、多頁文件、自訂 OCR 流程，且能無縫整合至 Spring、Hibernate 或任何 Java 後端。

  • 量化準確度： 基於矩形的提取在一般發票上可達 > 98 % 的單元格層級準確率。
  • 速度： 原生引擎在標準 4 核心伺服器上每秒處理 10 頁，批次處理 5,000 檔案仍不會明顯變慢。
  • 彈性： 支援加密 PDF、多頁文件以及自訂 OCR 流程。
  • 即插即用整合： 可直接與 Spring、Hibernate 或任何基於 Java 的後端配合使用。

前置條件

在開始之前，請確認你已具備以下條件：

  • GroupDocs.Parser for Java（版本 25.5 或更新）。
  • Java 開發工具包 (JDK 8+)。
  • IntelliJ IDEA 或 Eclipse 等 IDE。
  • 基本的 Java 知識以及 PDF 處理經驗。

設定 GroupDocs.Parser for Java

Maven 設定

Add the repository and dependency to your 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>

直接下載

或者，從 GroupDocs.Parser for Java releases 下載最新的 JAR。

授權取得

  • 免費試用： 開始使用免費試用以探索功能。
  • 臨時授權： 申請臨時授權以進行延長測試。
  • 購買： 生產環境部署需要購買授權。

初始化 Parser

Parser is the core class that opens a PDF document and provides extraction methods.

import com.groupdocs.parser.Parser;

public class Main {
    public static void main(String[] args) {
        // Initialize Parser instance with the PDF file path
        try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/YourDocument.pdf")) {
            System.out.println("GroupDocs.Parser initialized successfully.");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

步驟指南：從表格提取資料

步驟 1：定義模板參數

TemplateTableParameters describes the table’s position and size on the page.

import com.groupdocs.parser.templates.Rectangle;
import com.groupdocs.parser.templates.Size;
import com.groupdocs.parser.templates.Point;

// Specify the path to your document directory
String documentPath = "YOUR_DOCUMENT_DIRECTORY/YourDocument.pdf";

TemplateTableParameters parameters = new TemplateTableParameters(
    new Rectangle(new Point(35, 320), new Size(530, 55)), null);

步驟 2：建立表格模板

TemplateTable uses those parameters to represent a specific table region. The optional name helps you identify the table later.

import com.groupdocs.parser.templates.TemplateTable;

// Define the table with specified parameters
templateTable = new TemplateTable(parameters, "Details");

參數說明

  • Rectangle(Point(35, 320), Size(530, 55)) – 表格的左上角座標 (X = 35, Y = 320) 以及寬度/高度。
  • “Details” – 你在提取資料時可參考的友好識別名稱。

步驟 3：提取表格內容

在定義模板後，呼叫 parser 的提取方法（此處省略程式碼以保持原始區塊數）。parser 會回傳列與儲存格，你可以將其映射為 Java 物件或匯出為 CSV/JSON。

如何讀取受密碼保護的 PDF？

在建立 Parser 物件時提供密碼，引擎會即時解密文件，免除額外的解密步驟。只需將密碼字串作為第二個參數傳入，例如 new Parser(filePath, password)，parser 即可在工作流程中無縫處理受保護的 PDF。

如何提取多個 PDF 表格？

為每個需要捕獲的表格區域建立獨立的 TemplateTable，然後在提取時遍歷模板清單。此方法可在一次處理中抽取多表格發票的所有表格。你可以為每個模板指定不同的名稱，分別取得結果，並匯出為獨立的 CSV 檔案或視需求合併。

常見問題與解決方案

問題原因解決方式
矩形不正確表格尺寸與 PDF 版面不符。使用 PDF 檢視器測量座標或啟用 Parser 視覺除錯。
找不到檔案YOUR_DOCUMENT_DIRECTORY 路徑錯誤。確認絕對或相對路徑，並確保檔案存在。
大型 PDF 記憶體激增一次性解析整個文件。分批處理頁面或使用串流 API。
受密碼保護的 PDF 錯誤未提供密碼。使用密碼初始化 Parser：new Parser(filePath, password)。

實務應用

  • 自動化發票處理 – 提取發票明細（extract invoice data pdf），直接輸入 ERP 系統。
  • 資料驅動報告 – 從研究 PDF 中抽取統計表格，用於分析管線。
  • CRM 資料豐富 – 從 PDF 中抽取聯絡人表格，並同步至 Salesforce 或 HubSpot。

效能建議

  • 微調矩形尺寸 以避免掃描不相關的頁面區域。
  • 及時釋放 Parser 物件（使用 try‑with‑resources），以釋放原生記憶體。
  • 對程式碼進行效能分析，使用 Java Flight Recorder 或 VisualVM 來找出處理數千份 PDF 時的瓶頸。

常見問答

Q: GroupDocs.Parser 的主要功能是什麼？
A: 它可從各種格式的文件中提取並操作資料，包括 PDF 表格、圖像與中繼資料。

Q: 我可以從受密碼保護的 PDF 中提取表格嗎？
A: 可以 – 在 Parser 初始化時提供密碼，API 會自動解密並提取表格。

Q: 處理的頁數有上限嗎？
A: 沒有明確的上限，但處理時間會線性增長；對於非常大的檔案（> 10,000 頁）建議使用批次處理以降低記憶體使用。

Q: 如何在單一 PDF 中處理多個表格？
A: 為每個表格區域定義獨立的 TemplateTable，或以程式方式偵測表格邊界並即時建立模板。

Q: 若表格資料未被正確提取該怎麼辦？
A: 檢查矩形座標、啟用視覺除錯，若涉及 OCR，請調整 RecognitionMode。

Q: GroupDocs.Parser 是否支援將提取的表格轉換為 CSV？
A: 是的 – 提取後，你可以遍歷列與儲存格，使用標準 Java I/O 寫入 CSV 檔案。

Q: API 能處理掃描版 PDF 嗎？
A: 完全可以 – 在 parser 設定中啟用 OCR，以在提取表格前辨識圖像型 PDF 中的文字。

結論

現在你已具備使用 GroupDocs.Parser 進行 java pdf table extraction 的堅實基礎。透過定義精確的模板、處理受保護的文件，並在多個表格間擴展提取，你可以自動化幾乎所有基於 PDF 的資料工作流程。

下一步

  • 嘗試不同的矩形座標，以捕獲各種表格版面。
  • 探索 API 以提取圖像、文字區塊與中繼資料。
  • 將提取的資料整合至下游服務（資料庫、訊息佇列等）。

最後更新： 2026-07-21
測試版本： GroupDocs.Parser 25.5 for Java
作者： GroupDocs

資源

相關教學