GroupDocs.Parser for Java

ドキュメントのテキストを抽出できる高度な API

• 単一または複数のドキュメントの単語数を統計的にカウント
• Document Reader をインストールせずにファイルまたはストリームからテキストを取得
• 高速または標準テキスト抽出モードを使用して文書からフォーマット済みテキストを
• パスワード保護された XML 文書のメディア タイプを検出し、テキストを取得
• 電子メールおよび添付ファイル内からフォーマットされたテキストをプログラムで取得
• OneNote ドキュメントの 1 ページまたは複数ページからテキストを抽出
• PDF ファイルまたは PDF ポートフォリオからテキストを抽出
• PDF フォームからデータを抽出し、PDF または Word から書式付きの表を取得
• PowerPoint プレゼンテーションから書式付きテキストを取得、または特定のスライドからテキストを削除
• Excel 上でセル、行、および列から RAW テキストまたは書式付きテキストを収集
• Word から RAW または HTML フォーマットのテキストを抽出
• EPUB、CHM、Markdown、FB2 ファイルから一文または全文を抽出
• EPUB および CHM ドキュメントからの目次の抜粋
• 分析のために文書からテキスト領域を取得し、コンテンツ構造をそのまま使用したテキストの抽出
• サポートされているドキュメントフォーマットからメタデータを取得
• サポートされているフォーマットからすべてまたは選択した画像を取得し、抽出した画像を回転
• Zip アーカイブおよび OST コンテナー内のファイルからテキストを抽出
• 電子メール コンテナーからデータを取得 (Exchange Web サーバー、POP3、IMAP)
• 高速で信頼性が高く効率的な方法でデータベース コンテナーからテキストを抽出
• テキスト、単語全体、および文書内の正規表現を検索
• 文書内のハイライト表現の検索と抽出
• プレーン テキスト フォーマッター (シンプルおよび ASCII) またはマークダウン フォーマッターを使用してテキストを取得
• マークダウン フォーマッターはフォント、ハイパーリンク、見出し、リスト、表のフォーマットをサポート
• HTML フォーマッターは段落、ハイパーリンク、フォント、見出し、リスト、表のフォーマットをサポート

プレーン テキストまたは HTML フォーマッターでテキストを取得

GroupDocs.Parser for Java を使用すると、さまざまなフォーマッターをテキストおよび HTML に適用できます。プレーン テキスト フォーマッターでテキストを抽出できます。また、HTML フォーマッターでテキストを取得したり、段落、ハイパーリンク、フォント、見出し、リスト、表にフォーマットを適用することもできます。