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

Ön Koşullar

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

1. Java IDE: Herhangi bir Java destekli IDE'yi kullanabilirsiniz. Geliştirme için birçok Java IDE'si mevcuttur. Bu ders için IntelliJ IDE kullanılacaktır. NetBeans, Eclipse gibi IDE'ler 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, Maven için dahili destek sunar.

3. IronPDF - IronPDF for Java çeşitli yollarla indirilebilir ve yüklenebilir.

   • Bir Maven projesinde pom.xml dosyasına IronPDF bağımlılığı 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 deposu web sitesini ziyaret ederek bulabilirsiniz.
   • Iron Software resmi indirme sayfasından doğrudan indirme.
   • Basit Java Uygulamanızda JAR dosyasını kullanarak IronPDF'i manuel olarak yükleyin.

4. Slf4j-Simple: Bu bağımlılık, mevcut bir belgeye içerik damgalamak için de gereklidir. IntelliJ'deki Maven bağımlılık yöneticisi kullanılarak eklenebilir veya Maven web sitesinden doğrudan indirilebilir. pom.xml dosyasına aşağıdaki bağımlılığı 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 İthalatları Eklemek

Tüm ön koşullar yüklendikten sonra, ilk adım bir PDF belgesiyle çalışmak için gerekli IronPDF paketlerini ithal etmektir. Main.java dosyasının üstüne aşağıdaki kodu 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 olan bazı yöntemler kullanım için lisans gerektirir. Bir lisans satın alabilir veya ücretsiz bir deneme süresinde IronPDF'i ücretsiz olarak deneyebilirsiniz. Anahtarı aşağıdaki şekilde ayarlayabilirsiniz:

License.setLicenseKey("YOUR-KEY");

License.setLicenseKey("YOUR-KEY");

Adım 1: Mevcut bir PDF belgesini ayrıştırın

İçerik çıkarma işlemi için mevcut bir belgeyi ayrıştırmak için PdfDocument sınıfı kullanılır. Belirli bir yol ve dosya adıyla PDF dosyasını bir Java programında ayrıştırmak için statik [fromFile](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#fromFile(java.nio.file.Path) yöntemi kullanılır. Kod şu şekildedir:

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

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

Ayrıştırılmış belge

Adım 2: Ayrıştırılmış PDF dosyasından Metin Verilerini Çıkarın

IronPDF for Java, PDF belgelerinden metin çıkartma için kolay bir yöntem sağlar. Aşağıdaki kod parçası PDF dosyasından metin verilerini çıkarmak içindir:

String extractedText = parsedDocument.extractAllText();

String extractedText = parsedDocument.extractAllText();

Yukarıdaki kod aşağıdaki çıktıyı üretir:

Çıktı

Adım 3: URL'den veya HTML Dizgisinden Metin Verilerini Çıkarın

IronPDF for Java'nın yetenekleri yalnızca mevcut PDF'lerle sınırlı değildir, aynı zamanda içerik çıkarmak için yeni bir dosya da oluşturabilir ve ayrıştırabilir. Burada, bu ders bir URL'den bir PDF dosyası oluşturacak ve içerik çıkartacak. Aşağıdaki örnek bu görevin nasıl gerçekleştirileceğini göstermektedir:

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 şu şekildedir:

Çıktı

Adım 4: Ayrıştırılmış PDF Belgesinden Görüntüleri Çıkarın

IronPDF ayrıca ayrıştırılmış belgelerden tüm görüntüleri çıkarmak için kolay bir seçenek sunar. Burada, bu eğitimde önceki örnek kullanılacak ve PDF dosyalarından görüntülerin ne kadar kolayca çıkarıldığını gösterecektir.

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](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllImages() yöntemi, BufferedImages listesini döndürür. Her bir BufferedImage, ImageIO.write yöntemi kullanılarak bir konum üzerine PNG görüntüleri olarak depolanabilir. Ayrıştırılmış PDF dosyasında 34 görüntü vardır ve her bir görüntü mükemmel bir şekilde çıkarılmıştır.

Çıkarılmış görüntüler

Adım 5: PDF Dosyalarındaki Tablolardan Veri Çıkarın

PDF dosyasındaki tablo sınırlarından içerik çıkarmak, [extractAllText yöntemi](/java/object-reference/api/com/ironsoftware/ironpdf/PdfDocument.html#extractAllText() ile tek bir satır kod kullanılarak kolaylaştırılmıştır. Aşağıdaki kod parçası, bir PDF dosyasındaki tablodan metin çıkarmanın nasıl yapılacağını göstermektedir:

PDF'de 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 şu şekildedir:

Çıktı