如何在 Java 中使用 GroupDocs.Parser 解析表格

在本教程中，您将学习 如何在 Java 中使用 GroupDocs.Parser 解析表格，这是一款用于从 PDF、Word 文件和电子表格中提取结构化数据的强大库。高效的表格提取可以显著加快发票处理、数据迁移和报表任务的速度。让我们一起走完整个工作流——从设置库到定义表格模板，再到最终提取所需数据。

介绍

高效地解析文档对于需要从 PDF、Word 文档或电子表格等多种格式中提取结构化数据的企业至关重要。自动化此过程可以节省时间并降低错误率。本综合指南将教您如何使用 GroupDocs.Parser for Java 在文档中定义并解析表格，这是一项用于简化文档处理工作流的关键技能。

快速答案

主要目的是什么？ 使用 Java 从文档中提取结构化表格数据。
需要哪个库？ GroupDocs.Parser for Java（v25.5 及以上）。
需要许可证吗？ 提供免费试用；生产环境需购买商业许可证。
可以处理 PDF 和 Word 文件吗？ 可以，库支持 PDF、DOCX、XLSX 以及许多其他格式。
支持批量处理吗？ 当然——可以在循环或并行流中处理多个文件。

您将学习的内容

为 Java 设置 GroupDocs.Parser
使用特定布局创建表格模板
使用预定义模板解析文档
这些功能的真实场景应用

阅读完本指南后，您将能够实现并优化自己的文档解析解决方案。让我们开始吧！

“如何解析表格” 在 GroupDocs.Parser 中的含义是什么？

解析表格指的是在文档中定位表格区域，映射行列，并提取每个单元格的文本内容。GroupDocs.Parser 提供基于模板的方法，让您描述表格的精确布局（列宽、行高），从而即使源文件在尺寸或样式上有所不同，解析引擎也能可靠地提取所需数据。

为什么选择 GroupDocs.Parser 进行表格提取？

准确性： 基于布局的模板可降低误报。
速度： 基于模板的解析比通用文本提取更快。
灵活性： 支持 PDF、DOCX、XLSX 等多种格式，无需额外转换器。
可扩展性： 适用于发票、报告和数据迁移流水线的批量处理。

前置条件

在深入代码之前，请确保您具备以下条件：

必需的库和依赖

GroupDocs.Parser for Java（版本 25.5 或更高）
已在机器上安装 Maven
基本的 Java 编程知识

环境搭建要求

Java Development Kit（JDK）8 及以上版本
IntelliJ IDEA、Eclipse 或 NetBeans 等 IDE

为 Java 设置 GroupDocs.Parser

要在项目中使用 GroupDocs.Parser，需要将其添加为依赖。操作如下：

Maven 配置

在 pom.xml 文件中添加以下仓库和依赖：

<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>

直接下载

或者，从 GroupDocs.Parser for Java releases 下载最新版本。

许可证获取

GroupDocs 提供免费试用以探索其功能。若需长期使用，请考虑购买许可证或获取临时许可证。

实现指南

现在您已经完成所有准备工作，下面深入了解如何定义和解析表格。

使用布局定义模板表格

此功能允许您创建具有特定列宽和行高的表格模板。操作步骤如下：

步骤 1：创建模板表格布局

通过指定列宽和行高来定义布局。

TemplateTableLayout layout = new TemplateTableLayout(
        Arrays.asList(new Double[]{30.0, 100.0, 320.0, 400.0, 480.0, 550.0}),
        Arrays.asList(new Double[]{320.0, 345.0, 375.0}));

步骤 2：创建表格模板

使用该布局实例化表格模板。

TemplateTable table = new TemplateTable(layout, "Details", null);

步骤 3：创建包含表格项的模板

将您的模板编译为单个 Template 对象。

Template template = new Template(Arrays.asList(new TemplateItem[]{table}));

通过模板解析文档

现在模板已经定义好，接下来使用它来解析文档。

步骤 1：创建 Parser 类的实例

使用目标文档初始化解析器。

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY/SampleInvoicePdf.pdf")) {
    // Assume 'template' is already defined as in the DefineTemplateTable feature
    Template template;
    
    // Step 2: Parse the Document by Predefined Template
    DocumentData data = parser.parseByTemplate(template);

步骤 2：遍历提取的数据项

循环遍历提取的数据并打印每个单元格的值。

for (int i = 0; i < data.getCount(); i++) {
    PageTableArea area = data.get(i).getPageArea() instanceof PageTableArea 
            ? (PageTableArea) data.get(i).getPageArea()
            : null;

    if (area != null) {
        for (int row = 0; row < area.getRowCount(); row++) {
            for (int column = 0; column < area.getColumnCount(); column++) {
                PageTextArea cellValue = area.getCell(row, column).getPageArea() instanceof PageTextArea
                        ? (PageTextArea) area.getCell(row, column).getPageArea()
                        : null;

                System.out.print(cellValue == null ? "" : cellValue.getText());
            }
            System.out.println();
        }
    }
}

故障排除提示

常见问题： 确保文档路径正确且可访问。
性能考虑： 在适用的情况下使用更小的模板以加快处理速度。

实际应用

以下是一些定义并解析表格的真实场景：

发票处理： 自动从发票中提取数据，简化会计流程。
数据迁移： 高效在不同系统或格式之间传输结构化数据。
报表工具： 直接从文档中提取关键指标生成报表。

性能考虑

为获得最佳性能，请参考以下建议：

优化表格布局： 尽可能具体地定义表格布局，以减少解析时间。
内存管理： 处理大型文档时监控内存使用，防止泄漏。
批量处理： 若需处理多个文件，建议分批进行，以高效管理资源。

结论

在本教程中，您已经学习了 如何使用 GroupDocs.Parser for Java 解析表格。这款强大的库可以显著提升文档处理能力，使数据提取既快速又高效。想进一步探索 GroupDocs.Parser 的潜力，请查阅其 documentation 或尝试不同的模板和文件类型。

常见问题

什么是 GroupDocs.Parser？
它是一款用于在 Java 中从各种文档格式中提取文本、元数据、图像和结构化数据的库。
我可以在其他编程语言中使用 GroupDocs.Parser 吗？
可以，支持包括 C#、.NET、Python、PHP 等多种语言。
如何高效处理大文档？
优化表格布局并考虑批量处理以提升性能。
是否支持非表格数据的提取？
当然，GroupDocs.Parser 还能提取文本、图像和元数据。
在哪里可以找到更多 GroupDocs.Parser 示例？
请查看 GitHub repository 或 documentation。

资源

文档： GroupDocs.Parser Java Docs
API 参考： GroupDocs Parser API
下载： Latest Releases
GitHub： GroupDocs.Parser Repository
免费支持： GroupDocs Forum
临时许可证： Purchase GroupDocs

欢迎探索这些资源，获取更深入的信息和社区支持。祝编码愉快！

最后更新： 2026-02-09
测试环境： GroupDocs.Parser 25.5 for Java
作者： GroupDocs