如何使用 GroupDocs.Parser 在 Java 中提取 PDF 表格

從 PDF 檔案中提取表格是將靜態文件轉換為結構化資料時的常見需求。在本教學中，我們將示範 如何提取表格，使用 GroupDocs.Parser 的 Java 程式庫。您將了解為何此方法非常適合 java pdf table extraction，如何配置版面以獲得精確結果，甚至如何在之後 export pdf tables csv。

快速回答

  • 主要的程式庫是什麼？ GroupDocs.Parser for Java
  • 我可以從掃描的 PDF 提取表格嗎？ 僅在 OCR 之後；請參閱下方「extract tables scanned pdf」說明
  • 我需要授權嗎？ 試用授權可用於開發；正式環境需購買完整授權
  • 需要哪個 Java 版本？ Java 8 或更高版本
  • 是否支援批次處理？ 是 – API 已針對大規模提取進行最佳化

在 PDF 背景下，「how to extract tables」是什麼意思？

當我們談到 how to extract tables 時，我們指的是程式化定位 PDF 內的表格結構、解析儲存格邊界，並以機器可讀的格式（例如 CSV、Excel）取得文字內容的過程。GroupDocs.Parser 抽象化了低階的 PDF 解析，提供一個乾淨的物件模型供您使用。

為何使用 GroupDocs.Parser 進行 java pdf table extraction？

  • 精確的版面偵測 – 能處理多欄位、多列的表格，並支援自訂座標。
  • 效能導向 – 在大型文件與批次工作中表現良好。
  • 易於整合 – 基於 Maven 的相依管理與直觀的 API。
  • 可擴充 – 您可以結合 GroupDocs OCR 以應對 extract tables scanned pdf 的情境。

前置條件

在開始之前，請確保您具備以下條件：

  • Java 8+ 已安裝並在您的 IDE 或建置工具中設定。
  • Maven 用於相依管理。
  • 取得 GroupDocs.Parser 授權（試用或正式）。

必要的函式庫與相依性

您需要：

  • GroupDocs.Parser for Java 函式庫（版本 25.5 或更新）。
  • 系統已安裝 Maven 以進行相依管理。

環境設定

確保您的開發環境已安裝相容的 Java 版本（Java 8 或更高）。

知識前提

具備基本的 Java 程式設計概念，並熟悉 Java 中的檔案處理，將會很有幫助。

設定 GroupDocs.Parser（Java 版）

要開始使用 GroupDocs.Parser，請依照下列方式將其整合至您的專案：

Maven 設定
在您的 pom.xml 檔案中加入以下設定，以將 GroupDocs.Parser 作為相依項目：

<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 releases 下載最新的 GroupDocs.Parser for Java 版本。

取得授權

先使用免費試用版，取得臨時授權，或購買正式授權。詳情請參閱 GroupDocs licensing page。

基本初始化與設定

在您的 Java 應用程式中這樣初始化 GroupDocs.Parser：

import com.groupdocs.parser.Parser;

public class DocumentParser {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            // Ready to perform operations on the document
        } catch (Exception e) {
            System.err.println("Error creating Parser instance: " + e.getMessage());
        }
    }
}

實作指南

讓我們逐步說明您需要掌握的每項功能，以 how to extract tables 從 PDF 中提取表格。

功能 1：使用 GroupDocs 解析文件

概述
若要與 PDF 文件互動，請建立 Parser 類別的實例。這樣即可對文件執行各種操作。

建立 Parser 實例

import com.groupdocs.parser.Parser;

public class CreateParserInstance {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            // Document is ready for operations
        } catch (Exception e) {
            System.err.println("Error creating Parser instance: " + e.getMessage());
        }
    }
}

功能 2：檢查表格提取能力

概述
在提取表格之前，請先確認 PDF 是否支援表格提取。

檢查表格支援

import com.groupdocs.parser.Parser;

public class CheckTableSupport {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        try (Parser parser = new Parser(filePath)) {
            boolean isTablesSupported = parser.getFeatures().isTables();
            
            if (!isTablesSupported) {
                System.out.println("Document doesn't support tables extraction.");
            }
        } catch (Exception e) {
            System.err.println("Error checking table extraction capability: " + e.getMessage());
        }
    }
}

功能 3：表格版面配置

概述
設定表格的版面配置可提升資料提取的精確度。

設定表格版面

import com.groupdocs.parser.templates.TemplateTableLayout;
import java.util.Arrays;

public class ConfigureTableLayout {
    public static void main(String[] args) {
        final double[] columnWidths = {50.0, 95.0, 275.0, 415.0, 485.0, 545.0};
        final double[] rowHeights = {325.0, 340.0, 365.0, 395.0};

        TemplateTableLayout layout = new TemplateTableLayout(
                Arrays.asList(columnWidths), 
                Arrays.asList(rowHeights));
    }
}

功能 4：表格提取選項設定

概述
設定具體的提取選項與配置，以提升表格提取的精確度。

設定提取選項

import com.groupdocs.parser.options.PageTableAreaOptions;
import com.groupdocs.parser.templates.TemplateTableLayout;

public class SetExtractionOptions {
    public static void main(String[] args) {
        TemplateTableLayout layout = new TemplateTableLayout(
                Arrays.asList(new Double[]{50.0, 95.0, 275.0, 415.0, 485.0, 545.0}), 
                Arrays.asList(new Double[]{325.0, 340.0, 365.0, 395.0}));

        PageTableAreaOptions options = new PageTableAreaOptions(layout);
    }
}

功能 5：從文件中提取表格

概述
使用先前設定的選項提取表格，並依需求處理。

提取流程

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.options.PageTableAreaOptions;
import com.groupdocs.parser.data.PageTableArea;

public class ExtractTables {
    public static void main(String[] args) {
        final String filePath = "YOUR_DOCUMENT_DIRECTORY/SampleInvoicePagesPdf.pdf";
        PageTableAreaOptions options = new PageTableAreaOptions(/* layout from previous feature */);

        try (Parser parser = new Parser(filePath)) {
            Iterable<PageTableArea> tables = parser.getTables(options);
            
            for (PageTableArea table : tables) {
                // Process each table as needed
            }
        } catch (Exception e) {
            System.err.println("Error extracting tables: " + e.getMessage());
        }
    }
}

功能 6：遍歷表格列與欄

概述
提取完成後，遍歷列與欄以存取各個儲存格。

遍歷並存取儲存格

import com.groupdocs.parser.data.PageTableArea;
import com.groupdocs.parser.data.PageTableAreaCell;

public class IterateTables {
    public static void main(String[] args) {
        PageTableArea table = /* reference to a specific PageTableArea object */;

        for (int row = 0; row < table.getRowCount(); row++) {
            for (int column = 0; column < table.getColumnCount(); column++) {
                PageTableAreaCell cell = table.getCell(row, column);
                if (cell != null) {
                    // Process the cell text as needed
                }
            }
        }
    }
}

常見問題與解決方案

問題發生原因小技巧
未返回表格PDF 為掃描版（影像型）先執行 OCR，或在解析前使用 GroupDocs OCR。
欄位對齊不正確版面座標不正確微調 TemplateTableLayout 的數值，使其符合視覺格線。
大型 PDF 記憶體激增Parser 會將整份文件載入記憶體分批處理頁面，並在每批完成後關閉 Parser。

常見問答

1. 我可以從掃描的 PDF 或僅數位 PDF 提取表格嗎？

回答： GroupDocs.Parser 主要支援含有可選取文字的數位 PDF。對於掃描的 PDF，您需要整合 OCR（光學字符辨識）功能。GroupDocs 提供獨立的 OCR 模組，或您也可使用其他 OCR 工具將影像轉為文字後再進行表格提取。

2. 如何處理具有複雜版面或合併儲存格的表格？

回答： 對於複雜版面，您可以使用特定的欄列座標自訂 TemplateTableLayout，或調整辨識參數以提升精確度。處理合併儲存格可能需要分析儲存格跨距，並實作後處理邏輯來解讀合併區域。

3. GroupDocs.Parser 是否適用於大型文件或批次處理？

回答： 是的，GroupDocs.Parser 已針對批次處理進行最佳化，能有效處理大型文件。妥善的資源管理與將處理任務分塊亦可進一步提升效能。

4. 我可以將提取的表格資料匯出為 CSV 或 Excel 等格式嗎？

回答： 雖然 GroupDocs.Parser 本身專注於提取，但會提供原始資料（列與儲存格）。您可以自行或使用 Java 函式庫（如 Apache POI 取得 Excel，或 OpenCSV 取得 CSV）輕鬆匯出。這正是 export pdf tables csv 使用情境的所在。

5. 是否支援從多頁提取表格？

回答： 是的，使用 parser.getTables() 並搭配頁面選項，即可跨多頁提取表格。您可以指定頁面範圍，或以迭代方式處理所有頁面，以收集全部表格資料。

結論

從 PDF 中提取表格是自動化文件資料處理的關鍵步驟，GroupDocs.Parser for Java 讓此工作變得前所未有的簡單。透過建立 parser 實例、驗證表格支援、配置版面選項，並遍歷提取的資料，開發者即可高效取得即使是複雜 PDF 的結構化資料。此工具組足以支援多樣化情境——從發票自動化到大規模資料分析——且能無縫整合於 Java 應用程式。只要稍作設定與客製化，您就能將靜態 PDF 轉換為可操作的資料，精準且輕鬆。

最後更新： 2026-02-09
測試環境： GroupDocs.Parser 25.5 (Java)
作者： GroupDocs