Πώς να Εξάγετε Κείμενο PDF Χρησιμοποιώντας το GroupDocs.Viewer για Java

Η εξαγωγή κειμένου από PDF είναι μια βασική απαίτηση για πολλές εφαρμογές που βασίζονται σε δεδομένα. Σε αυτό το tutorial θα σας καθοδηγήσουμε πώς να εξάγετε pdf περιεχόμενο αποδοτικά με τη βιβλιοθήκη GroupDocs Viewer Java. Είτε χρειάζεστε την ευρετηρίαση εγγράφων, την εκτέλεση αναλύσεων ή τη μετεγκατάσταση παλαιών αρχείων, τα παρακάτω βήματα παρέχουν μια πλήρη, έτοιμη για παραγωγή λύση.

Εξαγωγή Κειμένου από PDF με το GroupDocs.Viewer για Java

Γρήγορες Απαντήσεις

Ποια βιβλιοθήκη είναι η καλύτερη για εξαγωγή κειμένου pdf; GroupDocs.Viewer Java παρέχει ένα ισχυρό pdf text extraction api.
Μπορώ να εξάγω κείμενο από PDF πολλαπλών σελίδων; Ναι – ο viewer επαναλαμβάνει αυτόματα κάθε σελίδα και γραμμή.
Χρειάζομαι άδεια για παραγωγή; Απαιτείται εμπορική άδεια· διατίθεται δωρεάν δοκιμή για αξιολόγηση.
Ποια έκδοση Java υποστηρίζεται; JDK 1.8+ (λειτουργούν επίσης οι τελευταίες εκδόσεις LTS).
Είναι το Maven ο μόνος τρόπος για να προσθέσετε την εξάρτηση; Το Maven συνιστάται, αλλά μπορείτε επίσης να χρησιμοποιήσετε Gradle ή χειροκίνητη προσθήκη JAR.

Τι είναι η Εξαγωγή Κειμένου PDF και γιατί να χρησιμοποιήσετε το GroupDocs Viewer;

Το pdf text extraction api διαβάζει το κειμενικό στρώμα ενός PDF χωρίς να αποδίδει το οπτικό περιεχόμενο. Αυτή η προσέγγιση είναι πολύ πιο γρήγορη από το OCR βασισμένο σε ραστερ και διατηρεί την αρχική δομή του εγγράφου. Το GroupDocs Viewer Java προσθέτει επιπλέον αξία χειρίζοντας σύνθετες διατάξεις, κρυπτογραφημένα αρχεία και έγγραφα πολλαπλών σελίδων έτοιμα για χρήση.

Προαπαιτούμενα

Java Development Kit (JDK) 1.8+ εγκατεστημένο.
Maven για διαχείριση εξαρτήσεων (ή Gradle αν προτιμάτε).
Πρόσβαση σε άδεια GroupDocs Viewer for Java (δωρεάν δοκιμή ή αγορασμένη).
Βασικές γνώσεις Java – θα γράψετε μερικά μπλοκ try‑with‑resources.

Ρύθμιση του GroupDocs.Viewer για Java

Προσθέστε το αποθετήριο GroupDocs και την εξάρτηση στο pom.xml σας:

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/viewer/java/</url>
   </repository>
</repositories>
<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-viewer</artifactId>
      <version>25.2</version>
   </dependency>
</dependencies>

Απόκτηση Άδειας

Free Trial – ιδανικό για εξερεύνηση του pdf text extraction api.
Temporary License – εκτεταμένη δοκιμή χωρίς πιστωτική κάρτα.
Full Purchase – απαιτείται για εμπορικές αναπτύξεις.

Οδηγός Υλοποίησης

Ακολουθεί ένας σύντομος, βήμα‑βήμα οδηγός για το πώς να εξάγετε κείμενο PDF με το GroupDocs Viewer Java.

1. Αρχικοποίηση του Αντικειμένου Viewer

try (Viewer viewer = new Viewer("YOUR_DOCUMENT_DIRECTORY/SAMPLE_PDF")) {
    // Initialization complete, proceed to next steps.
}

Η παρουσία Viewer δείχνει στο PDF που θέλετε να επεξεργαστείτε. Η χρήση ενός μπλοκ try‑with‑resources εγγυάται ότι οι εγγενείς πόροι απελευθερώνονται αυτόματα.

2. Διαμόρφωση του `ViewInfoOptions` για Εξαγωγή Κειμένου

ViewInfoOptions viewInfoOptions = ViewInfoOptions.forHtmlView();
viewInfoOptions.setExtractText(true);

Η ρύθμιση setExtractText(true) ενημερώνει το pdf text extraction api να συμπεριλάβει το ακατέργαστο κείμενο στις πληροφορίες προβολής.

3. Ανάκτηση Πληροφοριών Εγγράφου

PdfViewInfo viewInfo = (PdfViewInfo) viewer.getViewInfo(viewInfoOptions);

PdfViewInfo σας δίνει πρόσβαση σε κάθε σελίδα, γραμμή και την κειμενική της τιμή.

4. Επανάληψη Μέσω Σελίδων και Γραμμών (Εξαγωγή Κειμένου PDF Πολλαπλών Σελίδων)

for (Page page : viewInfo.getPages()) {
    for (Line line : page.getLines()) {
        System.out.println(line.getValue());
    }
}

Αυτός ο βρόχος εκτυπώνει κάθε γραμμή κειμένου, διαχειριζόμενος αυτόματα σενάρια extract multi page pdf. Μπορείτε να αντικαταστήσετε το System.out.println με κώδικα που γράφει σε αρχείο, βάση δεδομένων ή ευρετήριο αναζήτησης.

Συμβουλές Επίλυσης Προβλημάτων

Ελέγξτε ξανά τη διαδρομή του αρχείου· λανθασμένη διαδρομή προκαλεί FileNotFoundException.
Βεβαιωθείτε ότι καλείται το setExtractText(true)· διαφορετικά επιστρέφονται μόνο οπτικά δεδομένα.
Για κρυπτογραφημένα PDF, περάστε τον κωδικό μέσω του υπερφορτωμένου κατασκευαστή Viewer.

Πρακτικές Εφαρμογές

Οι δυνατότητες extract pdf text java του GroupDocs Viewer ανοίγουν πολλές πραγματικές περιπτώσεις χρήσης:

Data Migration – Μεταφορά παλαιών αρχείων PDF σε βάσεις δεδομένων με δυνατότητα αναζήτησης.
Content Analysis – Εισαγωγή του εξαγόμενου κειμένου σε pipelines NLP για ανάλυση συναισθήματος ή εξαγωγή λέξεων-κλειδιών.
Document Management Systems (DMS) – Αυτόματη ευρετηρίαση εγγράφων για γρήγορη ανάκτηση.

Σκέψεις Απόδοσης

Κατά την εργασία με μεγάλα αρχεία ή παρτίδες εργασιών:

Memory Management – Επεξεργαστείτε τις σελίδες μέσα στο μπλοκ try ώστε ο garbage collector να απελευθερώνει τη μνήμη άμεσα.
Streaming – Για εξαιρετικά μεγάλα PDF, εξετάστε την επεξεργασία σελίδων μία τη φορά αντί για φόρτωση ολόκληρου του εγγράφου.
Threading – Παράλληλη εξαγωγή σε πολλά αρχεία, αλλά διατηρήστε μία μόνο παρουσία Viewer ανά νήμα.

Συνηθισμένα Προβλήματα και Λύσεις

Πρόβλημα	Λύση
`OutOfMemoryError` σε μεγάλα PDF	Αυξήστε τη μνήμη heap του JVM (`-Xmx2g`) και επεξεργαστείτε τις σελίδες διαδοχικά.
Δεν επιστρέφεται κείμενο για σκαναρισμένα PDF	Χρησιμοποιήστε πρόσθετο OCR ή μια ειδική βιβλιοθήκη OCR· το GroupDocs Viewer εξάγει μόνο ενσωματωμένο κείμενο.
Σφάλμα άδειας σε παραγωγή	Επαληθεύστε ότι το αρχείο άδειας είναι τοποθετημένο σωστά και ότι η δοκιμαστική περίοδος δεν έχει λήξει.

Συχνές Ερωτήσεις

Q: Μπορώ να χρησιμοποιήσω το GroupDocs.Viewer σε διακομιστή παραγωγής;
A: Ναι, αλλά πρέπει να έχετε έγκυρη εμπορική άδεια. Η δωρεάν δοκιμή περιορίζεται στην ανάπτυξη και τη δοκιμή.

Q: Πώς η εξαγωγή κειμένου επηρεάζει τα μεταδεδομένα PDF;
A: Η εξαγωγή διαβάζει μόνο το περιεχόμενο· τα μεταδεδομένα παραμένουν αμετάβλητα εκτός εάν τα τροποποιήσετε ρητά.

Q: Ποια άλλα μορφότυπα αρχείων υποστηρίζει το GroupDocs Viewer εκτός από PDF;
A: Διαχειρίζεται Word, Excel, PowerPoint, εικόνες και πολλά άλλα μορφότυπα, καθιστώντας το έναν ευέλικτο προβολέα εγγράφων.

Q: Υπάρχει τρόπος να εξάγετε κείμενο από PDF προστατευμένα με κωδικό;
A: Απόλυτα – περάστε τον κωδικό κατά τη δημιουργία της παρουσίασης Viewer.

Q: Πώς μπορώ να βελτιώσω την απόδοση για επεξεργασία παρτίδας χιλιάδων PDF;
A: Χρησιμοποιήστε μια ομάδα νημάτων, επεξεργαστείτε κάθε αρχείο σε δική του παρουσία Viewer και παρακολουθήστε στενά τη χρήση μνήμης.

Πόροι

Τελευταία Ενημέρωση: 2026-05-06
Δοκιμή Με: GroupDocs.Viewer Java 25.2
Συγγραφέας: GroupDocs