GroupDocs.Viewer Java kullanarak PDF’den Metin Çıkarma

giriiş

PDF’lerden metin çıkarmak, verimli dijital belge yönetimi için çok önemlidir. Bu kapsamlı eğitimde, nasıl kullanılacağını göstereceğiz GrupDokümanları.Görüntüleyici Java PDF dosyalarından metni sorunsuz bir şekilde çıkarmak için.

Ne Öğreneceksiniz:

  • Java için GroupDocs.Viewer Kurulumu
  • GroupDocs.Viewer’ın güçlü API’sini kullanarak metni ayıklayın
  • Belgeler içinde çok sayfalı ve satırlı çıkarma işlemlerini gerçekleştirin
  • Büyük PDF’ler için performansı optimize edin

Bu özelliğin uygulanabilmesi için gereken ön koşullarla başlayalım.

Ön koşullar

Başlamadan önce şunlara sahip olduğunuzdan emin olun:

Gerekli Kütüphaneler:

  • Java için GroupDocs.Viewer: Temel işlevler için 25.2 veya sonraki sürüme erişin.

Çevre Kurulum Gereksinimleri:

  • Java ile geliştirme ortamı (JDK 1.8+ önerilir).
  • Bağımlılık yönetimi için Maven kuruldu.

Bilgi Ön Koşulları:

  • Java programlamanın temel bilgisi.
  • Maven’a aşina olmak faydalıdır ancak zorunlu değildir.

Java için GroupDocs.Viewer Kurulumu

Entegre edin GrupDokümanları.Görüntüleyici PDF’lerden metin çıkarmaya başlamak için Maven kullanan kütüphane:

<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>

Lisans Edinimi:

  • Ücretsiz Deneme: API özelliklerini keşfetmeye hazır.
  • Geçici Lisans: Genişletilmiş test olanakları için.
  • Satın almak: Ticari kullanım için gereklidir.

Temel Başlatma ve Kurulum

Viewer nesnesini PDF belgenizin yoluyla aşağıdaki şekilde başlatın:

Uygulama Kılavuzu

Metin çıkarma işlemini mantıksal adımlara bölelim:

Görüntüleyici Nesnesini Başlatma

try (Viewer viewer = new Viewer("YOUR_DOCUMENT_DIRECTORY/SAMPLE_PDF")) {
    // Başlatma tamamlandı, sonraki adımlara geçin.
}

Bu bir başlatır Viewer Hedef PDF dosya yolunuzla nesneyi seçin.

ViewInfoOptions’ı Metin Çıkarımı için Yapılandırma

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

İşlenen belge içeriğine bu ayarlarla erişildiğinden emin olarak HTML görüntüleme ve metin çıkarmayı etkinleştirmek için seçenekleri yapılandırın.

Belge Bilgilerinin Alınması

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

Arayarak getViewInfo, PDF’in sayfaları ve yapısı hakkında detaylı bilgi alabilirsiniz.

Sayfalar ve Satırlar Arasında Yineleme

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

Metni çıkarmak için her sayfa ve satırda dolaşın ve daha fazla işleme (örneğin, veritabanına kaydetme) izin verin.

Sorun Giderme İpuçları:

  • PDF dosya yolunun doğru olduğundan emin olun.
  • Doğrulamak setExtractText Görüntüleme seçeneği hatalarıyla karşılaşıldığında etkinleştirilir.

Pratik Uygulamalar

GroupDocs.Viewer’ın yetenekleri basit metin çıkarmanın çok ötesine uzanır. Gerçek dünya uygulamaları şunları içerir:

  1. Veri Göçü: İçeriği eski PDF arşivlerinden çıkarın ve modern veritabanlarına veya bulut çözümlerine taşıyın.
  2. İçerik Analizi: Duygu analizi, anahtar kelime çıkarma veya diğer içgörüler için çıkarılan metni kullanın.
  3. Belge Yönetim Sistemleri (DMS):Otomatik belge indeksleme ve alma için DMS ile entegre edin.

Performans Hususları

Büyük belgelerle çalışırken:

  • Kaynak Kullanımı: Birden fazla sayfanın işlenmesi kaynak yoğun olabileceğinden bellek kullanımını izleyin.
  • Java Bellek Yönetimi: Nesne yaşam döngülerini şu şekilde yönetin: try-with-resources Java’nın çöp toplama özelliğini etkili bir şekilde kullanmak için bloklayın.

Çözüm

Bu kılavuz size GroupDocs.Viewer for Java’yı nasıl kuracağınızı ve PDF dosyalarından metni nasıl verimli bir şekilde çıkaracağınızı gösterdi. GroupDocs.Viewer’ın diğer özelliklerini keşfedin veya karmaşık iş akışları için ek sistemlerle entegre edin.

SSS Bölümü

S: GroupDocs.Viewer’ı üretim sunucusunda kullanabilir miyim?

- A: Yes, but ensure you have an appropriate license. A free trial is suitable only for testing purposes.

S: Metin çıkarma işlemi PDF meta verilerini nasıl etkiler?

- A: Text extraction focuses on content; metadata remains intact unless explicitly modified.

S: GroupDocs.Viewer PDF’lerin yanı sıra hangi dosya formatlarını işleyebilir?

- A: It supports a wide range of formats, including Word documents and Excel spreadsheets.

Kaynaklar