如何使用 GroupDocs.Parser 進行 Java PDF 表格提取

從 PDF 檔案中提取表格是將靜態文件轉換為結構化資料的常見需求。在本教學中，您將學習 如何提取表格，使用適用於 Java 的 GroupDocs.Parser 函式庫。我們將涵蓋環境設定、表格佈局配置，以及如何 export pdf tables csv 以供後續處理。完成後，您將能將強大的表格提取整合到任何基於 Java 的資料管道中。

快速回答

  • 主要的函式庫是什麼？ GroupDocs.Parser for Java
  • 我可以從掃描的 PDF 提取表格嗎？ 只能在 OCR 之後；請參閱下方 “extract tables scanned pdf” 註解
  • 我需要授權嗎？ 試用授權可用於開發；正式環境需要完整授權
  • 需要哪個 Java 版本？ Java 8 或更高版本
  • 支援批次處理嗎？ 是 – API 已針對大規模提取進行最佳化

什麼是 Java PDF 表格提取？

Java PDF 表格提取是指以程式方式在 PDF 中定位表格結構、解析儲存格邊界，並以機器可讀的格式（如 CSV 或 Excel）取得文字內容。這可讓後續的分析、報告或遷移工作無需手動複製貼上。

為什麼使用 GroupDocs.Parser 進行 Java PDF 表格提取？

GroupDocs.Parser 提供 超過 50 種以上的輸入與輸出格式的精確版面偵測，且能在記憶體使用量低於 200 MB 的情況下處理數百頁的 PDF。它支援批次作業，提供簡單的 Maven 相依性，並可與 GroupDocs OCR 無縫整合，以應對掃描文件的情境。

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 或建置工具中配置。
  • Maven 用於相依性管理。
  • 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）。
  • 系統上已安裝 Maven 以進行相依性管理。

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）。

知識前置條件

具備 Java 程式設計的基本概念，並熟悉在 Java 中處理檔案，將會有所幫助。

設定 GroupDocs.Parser for Java

要開始使用 GroupDocs.Parser，請按以下方式將其整合至您的專案：

Maven 設定
將以下配置加入您的 pom.xml 檔案，以將 GroupDocs.Parser 作為相依性加入：

<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 下載最新版本的 GroupDocs.Parser for Java。

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，依照以下方式初始化 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

讓我們逐一說明您需要掌握的每項功能，以 如何提取表格 為例。

功能 1：使用 GroupDocs 解析文件

概觀
要與 PDF 文件互動，請建立 Parser 類別的實例。
Parser 是在 GroupDocs.Parser 中讀取 PDF 內容的入口類別，能對文件執行各種操作。

建立 parser 實例
Parser 類別是於 GroupDocs.Parser 中讀取 PDF 內容的入口。它會將文件載入記憶體，並提供用於提取文字、表格及其他結構的方法。

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：表格提取能力檢查

概觀
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
hasTables() 方法回傳布林值，表示已載入的 PDF 是否包含可偵測的表格資料。
hasTables() 會檢查文件是否含有任何表格。

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

概觀
設定表格的版面配置可提升資料提取的準確度。

設定表格版面
TemplateTableLayout 定義預期的欄寬與列高。
TemplateTableLayout 為表格偵測指定自訂的欄寬與列高。調整這些數值可協助引擎將儲存格邊界與視覺格線對齊。

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

概觀
設定具體配置的表格提取選項，以提升提取準確度。

設定提取選項
TableExtractionOptions 讓您指定是否包含標題列、合併儲存格或忽略空白列。
TableExtractionOptions 設定提取行為，例如包含標題或合併儲存格。

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

概觀
使用已設定的選項提取表格，並依需求處理。

提取流程
getTables() 方法回傳 Table 物件的集合，每個物件代表在指定頁面上偵測到的表格。
getTables() 取得文件中所有偵測到的表格。
Table 代表一個包含列與儲存格的單一提取表格。

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

概觀
提取完成後，遍歷列與欄以存取各個儲存格。

遍歷與存取儲存格
每個 Table 提供 getRows()，每個 Row 提供 getCells()。您可以透過 getText() 讀取儲存格文字，並寫入 CSV 或其他格式。
Row 代表 Table 中的單一列。
getRows() 回傳表格中的列清單。
getCells() 回傳列中的儲存格。
getText() 取得儲存格的文字內容。

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

問題發生原因專業提示
未返回表格PDF 為掃描（影像）檔先執行 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 值以匹配視覺格線。
大型 PDF 記憶體激增Parser 會將整個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 主要適用於含有內嵌文字的數位、可選取 PDF。對於掃描的 PDF，必須先執行 OCR（可使用 GroupDocs OCR 或其他 OCR 引擎），使文字可搜尋後才能進行表格提取。

2. 如何處理具有複雜版面或合併儲存格的表格？

回答： 可透過精確設定 TemplateTableLayout 的欄與列座標，或在 TableExtractionOptions 中啟用 mergeCells 旗標。可能需要後處理以正確解讀合併區域。

3. GroupDocs.Parser 適用於大型文件或批次處理嗎？

回答： 是。此函式庫針對高吞吐量情境設計，能在低記憶體消耗下處理數百頁的 PDF。使用頁範圍選項，並在每批完成後釋放 Parser 實例，以提升效能。

4. 我可以將提取的表格資料匯出為 CSV 或 Excel 等格式嗎？

回答： GroupDocs.Parser 會回傳原始表格資料（列與儲存格）。您可以使用 OpenCSV 輕鬆寫入 CSV，或使用 Apache POI 寫入 Excel。此即滿足 export pdf tables csv 的使用情境，且不需額外授權。

5. 是否支援一次從多頁提取表格？

回答： 當然可以。呼叫 parser.getTables(pageOptions) 並指定頁範圍，或遍歷所有頁面。API 會彙總跨頁的表格，讓您建立單一的合併資料集。

結論

使用 GroupDocs.Parser，Java PDF 表格提取變得相當簡單。只要初始化 Parser、確認表格支援、設定版面與提取選項，並遍歷產生的 Table 物件，即可將靜態 PDF 轉換為結構化的 CSV 或 Excel 檔案。函式庫以效能為導向的設計、支援超過 50 種格式，且與 OCR 無縫整合，成為發票自動化、資料遷移與大規模分析管道的理想選擇。依照上述步驟，您即可在任何 Java 應用程式中嵌入可靠的表格提取功能。

最後更新： 2026-09-17
測試版本： GroupDocs.Parser 25.5 (Java)
作者： GroupDocs

相關教學