使用 Java 解析提取發票資料 – GroupDocs.Parser

在當今快速變化的商業環境中，快速且準確地 extract invoice data 是自動化財務工作流程的關鍵步驟。無論您是處理單張發票或是批量處理上千張，GroupDocs.Parser for Java 允許您定義彈性模板、使用正則表達式，並 create linked fields 以適應任何文件版面。本教學將逐步說明如何設定庫、建立能 extract invoice data 的模板，以及大規模解析文件。

快速解答

What does “extract invoice data” mean? 它指的是以程式方式從 PDF、DOCX 或影像檔案中提取發票號碼、日期、稅額與總額等欄位。
Which library should I use? GroupDocs.Parser for Java 提供強大的基於模板的提取功能，支援正則表達式。
Can I process many files at once? 可以 — 將解析器與批次文件處理技術結合使用。
Do I need a license? 免費試用或臨時授權可用於評估；正式環境需購買授權。
Is it suitable for Java 8+? 當然可以 — 此庫支援 JDK 8 及更新版本。

什麼是 “extract invoice data”？

提取發票資料指的是自動定位並取得關鍵資訊——如發票號碼、日期、稅額與總額——直接從數位文件中擷取，從而免除手動輸入。

為什麼使用 GroupDocs.Parser for Java？

High accuracy 具備正則表達式與 linked‑field 定位的高精度。
Supports many formats 支援多種格式（PDF、DOCX、影像）。
Scalable — 適用於單文件與批次文件處理的情境。
Easy integration 可輕鬆整合至現有的 Java 應用程式。

前置條件

JDK 8 或更高版本。
任一 IDE（IntelliJ IDEA、Eclipse 等）。
取得 GroupDocs.Parser for Java 程式庫（下載或 Maven）。

必要的函式庫、版本與相依性

將以下儲存庫與相依性加入您的 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>

您也可以從 GroupDocs.Parser for Java releases 下載最新的 JAR。

知識前置條件

具備基本的 Java 程式設計與檔案 I/O 知識，將使步驟更順暢。

設定 GroupDocs.Parser for Java

Add the Maven dependency（或 JAR）至您的專案。
Obtain a license — 您可以從 here 取得免費試用或臨時授權。
Initialize the parser — 以下程式碼片段示範所需的匯入與簡易初始化。

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.*;
import com.groupdocs.parser.templates.*;

如何在模板中建立 Linked Fields

Linked fields 讓您捕捉相對於另一已知欄位固定偏移位置的資料（例如，緊跟在 “Tax” 之後的稅額）。

定義正則表達式欄位

首先，我們使用正則表達式模式定位標籤 Tax。

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

設定 Linked Field

接著，我們定義實際稅額欄位，位置相對於 Tax 標籤。

// 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");

組合模板

將正則表達式欄位與 Linked Field 結合成單一的模板物件。

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

如何使用已定義的模板提取發票資料

現在模板已就緒，我們即可解析發票並取得所需的值。

解析文件

開啟 PDF（或任何支援的格式）並套用模板。

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

迭代提取的資料

遍歷結果，並印出每個欄位的名稱與值。

    // 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");
        }
    }
}

疑難排解技巧

驗證檔案路徑並確保文件可存取。
在嵌入之前，使用如 regex101.com 等工具測試您的正則表達式。
若 Linked Field 未正確擷取，請調整 TemplateLinkedPosition 中的 Size 與 edge 設定。

實務應用

真實案例

Invoice Processing — 自動提取發票號碼、日期、稅額與總額以供會計系統使用。
Contract Management — 擷取當事人、有效日期與關鍵條款。
Customer Data Extraction — 從填寫好的表單中提取訂單細節。

整合可能性

將提取的資料與 ERP 或 CRM 平台結合，打造端對端的自動化工作流程。

批次文件處理技巧

在處理 batch document processing 時，請考慮：

重複使用單一 Parser 實例處理多個檔案，以減少開銷。
在平行串流或執行服務中執行解析任務。
將提取結果儲存於資料庫或 CSV，以供後續報告使用。

效能考量

Simplify templates — 欄位較少、正則表達式較簡單可加速解析。
Manage memory — 及時關閉 Parser 物件（如使用 try‑with‑resources 所示）。
Process in batches — 將文件分批處理，以平衡 CPU 與 I/O 使用。

常見問題

Q: What is GroupDocs.Parser for Java?
A: 它是一個 Java 程式庫，使用可自訂模板從 PDF、Word 文件、影像等檔案中提取結構化資料。

Q: How do I set up a Maven project with GroupDocs.Parser?
A: 在您的 pom.xml 中加入上述 Maven 區塊所示的儲存庫與 <dependency>。

Q: Can I use GroupDocs.Parser without purchasing a license?
A: 可以，您可以先使用免費試用或取得臨時授權以進行評估。

Q: What are linked fields in templates?
A: Linked fields 為相對於另一欄位定位的模板元素，允許根據版面精確擷取。

Q: How can I scale the solution for thousands of invoices?
A: 實作批次文件處理、重複使用 parser 實例，並考慮多執行緒以有效處理大量發票。

結論

遵循本指南後，您已了解如何使用 Java 解析 extract invoice data、運用正則表達式，並 create linked fields 以適應任何發票版面。可嘗試不同模板，將輸出整合至您的財務系統，並探索如自訂資料轉換器與 OCR 支援等進階功能。

最後更新： 2026-02-11
測試版本： GroupDocs.Parser 25.5
作者： GroupDocs