Java'da PDF'leri Analiz Etme Yöntemi (Geliştirici Eğitimi)

Önkoşullar

Java'da bir PDF Ayrıştırma projesi yapmak için aşağıdaki araçlara ihtiyaçınız olacak:

1. Java IDE: Java destekli herhangi bir IDE'yi kullanabilirsiniz. Geliştirme için birden fazla Java IDE mevcut. Bu öğretici, IntelliJ IDE kullanıyor. NetBeans, Eclipse vb. kullanabilirsiniz.
2. Maven Projesi: Maven, bir bağımlılık yöneticisidir ve Java projesi üzerinde kontrol sağlar. Java için Maven Maven resmi web sitesinden indirilebilir. IntelliJ Java IDE'sinde Maven için yerleşik destek vardır.

3. IronPDF - IronPDF for Java'yı birçok yolla indirip yükleyebilirsiniz.

   • IronPDF bağımlılığını bir Maven projesindeki pom.xml dosyasına eklemek.

     <dependency>
      <groupId>com.ironsoftware</groupId>
      <artifactId>ironpdf</artifactId>
      <version>[LATEST_VERSION]</version>
     </dependency>

     <dependency>
      <groupId>com.ironsoftware</groupId>
      <artifactId>ironpdf</artifactId>
      <version>[LATEST_VERSION]</version>
     </dependency>

     XML
   • Java için en son IronPDF paketini Maven depoları web sitesine giderek bulun.
   • Iron Software'in resmi indirme sayfasından doğrudan indirilebilir.
   • Sade bir Java uygulamanıza JAR dosyası kullanarak IronPDF'yi manuel olarak kurun.

4. Slf4j-Simple: Mevcut bir belgeye içerik damgalamak için bu bağımlılık da gereklidir. Bu, IntelliJ'deki Maven bağımlılık yöneticisini kullanarak eklenebilir veya doğrudan Maven web sitesinden indirilebilir. Aşağıdaki bağımlılığı pom.xml dosyasına ekleyin:

   <dependency>
       <groupId>org.slf4j</groupId>
       <artifactId>slf4j-simple</artifactId>
       <version>2.0.5</version>
   </dependency>

   <dependency>
       <groupId>org.slf4j</groupId>
       <artifactId>slf4j-simple</artifactId>
       <version>2.0.5</version>
   </dependency>

   XML

Gerekli İçe Aktarımları Eklemek

Tüm ön koşullar kurulduktan sonra, ilk adım, bir PDF belgesi ile çalışmak için gerekli IronPDF paketlerini içe aktarmaktır. Aşağıdaki kodu Main.java dosyasının üstüne ekleyin:

import com.ironsoftware.ironpdf.*;
import java.io.IOException;
import java.nio.file.Paths;

import com.ironsoftware.ironpdf.*;
import java.io.IOException;
import java.nio.file.Paths;

Lisans Anahtarı

IronPDF'de mevcut bazı yöntemler, kullanılması için lisans gerektirir. Bir lisans satın alabilir veya ücretsiz bir deneme lisansıyla IronPDF'yi ücretsiz deneyebilirsiniz. Anahtar aşağıdaki şekilde ayarlanabilir:

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

Adım 1: Mevcut bir PDF belgesini ayrıştırın

Mevcut bir belgeyi içerik çıkarmak için ayrıştırmak amacıyla PdfDocument sınıfı kullanılır. Java programında belirli bir yol ve dosya adı ile bir PDF dosyasını ayrıştırmak için statik fromFile yöntemi kullanılır. Kod aşağıdaki gibidir:

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("sample.pdf"));

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("sample.pdf"));

Ayrıştırılmış belge

Adım 2: Ayrıştırılan PDF dosyasından Metin Verilerini Çıkarın

Java için IronPDF, PDF belgelerinden metin çıkarma için kolay bir yöntem sağlar. Aşağıdaki kod parçası PDF dosyasından metin verileri çıkartmak içindir:

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

Yukarıdaki kod aşağıdaki çıktıyı üretir:

Çıktı

Adım 3: URL'lerden veya HTML Dizesinden Metin Verilerini Çıkarın

Java için IronPDF'in yetenekleri yalnızca mevcut PDF'lerle sınırlı değildir, aynı zamanda yeni bir dosya oluşturarak ve ayrıştırarak içerik çıkarabilir. Bu öğretici burada bir URL'den bir PDF dosyası oluşturup bundan içerik çıkaracaktır. Aşağıdaki örnek bu görevi nasıl gerçekleştireceğinizi gösterir:

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        String extractedText = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extractedText);
    }
}

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");
        String extractedText = parsedDocument.extractAllText();
        System.out.println("Text Extracted from URL:\n" + extractedText);
    }
}

Çıktı aşağıdaki gibidir:

Çıktı

Adım 4: Ayrıştırılmış PDF Belgesinden Resimler Çıkarın

IronPDF ayrıca ayrıştırılmış belgelerden tüm resimleri çıkartmak için kolay bir seçenek sunar. Önceki örnek kullanılarak PDF dosyalarından resimlerin ne kadar kolay çıkartıldığını görmek için bu öğreticiyi kullanacağız.

import com.ironsoftware.ironpdf.*;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");

        try {
            List<BufferedImage> images = parsedDocument.extractAllImages();
            System.out.println("Number of images extracted from the website: " + images.size());

            int i = 0;
            for (BufferedImage image : images) {
                ImageIO.write(image, "PNG", Files.newOutputStream(Paths.get("assets/extracted_" + ++i + ".png")));
            }
        } catch (Exception exception) {
            System.out.println("Failed to extract images from the website");
            exception.printStackTrace();
        }
    }
}

import com.ironsoftware.ironpdf.*;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;

public class Main {
    public static void main(String[] args) throws IOException {
        License.setLicenseKey("YOUR-KEY");

        PdfDocument parsedDocument = PdfDocument.renderUrlAsPdf("https://ironpdf.com/java/");

        try {
            List<BufferedImage> images = parsedDocument.extractAllImages();
            System.out.println("Number of images extracted from the website: " + images.size());

            int i = 0;
            for (BufferedImage image : images) {
                ImageIO.write(image, "PNG", Files.newOutputStream(Paths.get("assets/extracted_" + ++i + ".png")));
            }
        } catch (Exception exception) {
            System.out.println("Failed to extract images from the website");
            exception.printStackTrace();
        }
    }
}

extractAllImages) yöntemi bir BufferedImages listesi döndürür. Her BufferedImage daha sonra ImageIO.write yöntemi kullanılarak bir konumda PNG görüntüleri olarak saklanabilir. Ayrıştırılan PDF dosyasında 34 resim bulunmaktadır ve her resim mükemmel bir şekilde çıkartılmıştır.

Çıkartılmış resimler

Adım 5: PDF Dosyalarındaki Tablodan Verileri Çıkarın

PDF dosyasındaki tablolama sınırlarından içerik çıkarmak, extractAllText yöntemi ile sadece tek satırlık bir kodla kolaylaştırılır. Aşağıdaki kod parçası bir PDF dosyasındaki tablodan metin çıkartmayı gösterir:

PDF'deki Tablo

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extractedText = parsedDocument.extractAllText();
System.out.println(extractedText);

PdfDocument parsedDocument = PdfDocument.fromFile(Paths.get("table.pdf"));
String extractedText = parsedDocument.extractAllText();
System.out.println(extractedText);

Çıktı aşağıdaki gibidir:

Çıktı