Comment utiliser l’OCR avec GroupDocs.Parser Java

Vous cherchez à extraire efficacement du texte à partir d’images ou de documents numérisés ? Comment utiliser l’OCR avec la bibliothèque GroupDocs.Parser pour Java offre une solution robuste, permettant une intégration transparente de la reconnaissance optique de caractères (OCR) dans vos applications. Ce guide complet vous expliquera comment extraire les zones de texte des fichiers image à l’aide du connecteur Aspose OCR avec GroupDocs.Parser en Java, améliorant vos capacités de traitement de documents.

Ce que vous apprendrez

Configurer et utiliser GroupDocs.Parser pour Java.
Initialiser ParserSettings avec un connecteur OCR.
Techniques pour extraire les zones de texte des images à l’aide de la technologie Aspose OCR.
Applications pratiques de cette fonctionnalité dans des scénarios réels tels que la conversion java image to text et l’extraction des positions du texte en Java.

Réponses rapides

Que signifie « comment utiliser l’OCR » ? Il s’agit d’intégrer un moteur OCR pour lire le texte à partir de fichiers basés sur des images.
Quelle bibliothèque fournit l’OCR pour Java ? GroupDocs.Parser combiné avec le connecteur Aspose OCR.
Ai-je besoin d’une licence ? Un essai gratuit est disponible ; une licence permanente est requise pour la production.
Puis-je obtenir les coordonnées du texte ? Oui, l’API renvoie les positions des zones de texte (gauche, haut, largeur, hauteur).
Quelle version de Java est requise ? Java 8 ou plus récent est recommandé.

Qu’est-ce que l’extraction de texte OCR ?

La reconnaissance optique de caractères (OCR) convertit le texte visuel — présent dans les images numérisées, les PDF ou les photographies — en caractères lisibles par machine. Lorsque vous comment utilisez l’OCR en Java, vous permettez à vos applications de rechercher, modifier et analyser des documents auparavant statiques.

Pourquoi utiliser GroupDocs.Parser pour l’OCR ?

API unifiée – Gère les PDF, les images et de nombreux autres formats avec une base de code unique.
Reconnaissance précise – Propulsée par Aspose OCR, qui prend en charge plusieurs langues et polices.
Données de position – Récupère les coordonnées exactes de chaque bloc de texte, parfait pour le traitement sensible à la mise en page.
Scalable – Fonctionne avec de petites images ou de gros traitements par lots, et peut être exécuté sur site ou dans le cloud.

Prérequis

Avant de commencer, assurez-vous de disposer de ce qui suit :

Bibliothèques et dépendances requises

GroupDocs.Parser for Java : version 25.5 ou ultérieure.
Maven ou configuration de téléchargement direct pour l’installation de la bibliothèque.
Aspose OCR Connector : l’accès à la technologie OCR d’Aspose est nécessaire.

Exigences de configuration de l’environnement

Un IDE compatible (IntelliJ IDEA, Eclipse, etc.) fonctionnant sous Java 8+.
Maven installé si vous préférez l’approche du dépôt Maven.

Prérequis de connaissances

Compétences de base en programmation Java.
Familiarité avec la gestion des dépendances de projet.

Configuration de GroupDocs.Parser pour Java

Vous pouvez ajouter la bibliothèque via Maven ou la télécharger directement.

Utilisation de Maven

Ajoutez les configurations suivantes à votre fichier pom.xml :

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/parser/java/</url>
   </repository>
</repositories>

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-parser</artifactId>
      <version>25.5</version>
   </dependency>
</dependencies>

Téléchargement direct

Sinon, téléchargez la dernière version depuis GroupDocs.Parser for Java releases.

Étapes d’obtention de licence

Essai gratuit – Évaluez la bibliothèque sans frais.
Licence temporaire – Utilisez une clé à durée limitée pour des tests prolongés.
Achat – Obtenez une licence complète pour les déploiements en production.

Initialisation et configuration de base

Une fois la bibliothèque disponible, vous pouvez initialiser le parseur. Le code Java essentiel ci‑dessous crée une instance ParserSettings avec le connecteur Aspose OCR :

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.options.ParserSettings;
import com.groupdocs.parser.ocr.AsposeOcrOnPremise;

ParserSettings settings = new ParserSettings(new AsposeOcrOnPremise());

Avec les bases en place, plongeons dans l’extraction des zones de texte OCR.

Comment extraire les zones de texte avec l’OCR (étape par étape)

1. Initialiser `ParserSettings` avec le connecteur OCR

Le connecteur OCR permet la reconnaissance du texte dans les documents uniquement image.

// Initialize ParserSettings with OCR Connector
ParserSettings settings = new ParserSettings(new AsposeOcrOnPremise());

2. Ouvrir le document et configurer les options d’extraction

Nous utilisons PageTextAreaOptions pour indiquer au parseur de renvoyer les données de position pour chaque mot reconnu.

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY", settings)) {
    // Configure PageTextAreaOptions for OCR processing
    PageTextAreaOptions options = new PageTextAreaOptions(true);
    
    // Extract text areas from the document
    java.lang.Iterable<PageTextArea> areas = parser.getTextAreas(options);

    if (areas == null) {
        return; // Exit if text areas extraction is not supported
    }
    
    for (PageTextArea a : areas) {
        String text = a.getText();
        int leftPosition = a.getRectangle().getLeft();
        int topPosition = a.getRectangle().getTop();
        int width = a.getRectangle().getSize().getWidth();
        int height = a.getRectangle().getSize().getHeight();

        // Process the extracted data as needed
    }
} catch (java.lang.Exception ex) {
    // Handle any exceptions that occur during processing
}

Ce que fait ce code

Crée une instance Parser pointant vers le dossier de vos documents.
Active l’OCR via PageTextAreaOptions(true).
Itère sur chaque PageTextArea, vous fournissant le texte reconnu et son rectangle exact (position et taille).
Vous permet de stocker ou de manipuler les données, par exemple en les insérant dans une base de données ou en les superposant sur une interface utilisateur.

3. Traiter les résultats

Vous pouvez maintenant utiliser le texte extrait et les coordonnées pour divers scénarios :

Numérisation de documents – Convertir les contrats numérisés en PDF recherchables.
Automatisation de la saisie de données – Extraire des champs comme les numéros de facture directement à partir d’images de reçus.
Gestion de contenu – Indexer les positions du texte pour une mise en évidence avancée lors de la recherche.

Problèmes courants et solutions

Symptom	Likely Cause	Fix
Aucun zone de texte renvoyée	Connecteur OCR non configuré ou chemin d’image incorrect	Vérifiez que l’instance `AsposeOcrOnPremise` est correctement licenciée et que le chemin du fichier est accessible.
Caractères illisibles	Qualité de l’image faible ou langue non prise en charge	Utilisez des numérisations à plus haute résolution et configurez le pack de langue OCR.
Erreurs de mémoire insuffisante sur de gros PDF	Traitement de nombreuses pages haute résolution en même temps	Traitez les pages par lots ou activez le mode streaming (`ParserSettings.setEnableStreaming(true)`).

Questions fréquemment posées

Q : Comment installer GroupDocs.Parser pour Java ?
R : Ajoutez‑le comme dépendance Maven (voir l’extrait XML ci‑dessus) ou téléchargez‑le directement depuis la page officielle des releases.

Q : Qu’est‑ce que Aspose OCR, et pourquoi l’utiliser avec GroupDocs.Parser ?
R : Aspose OCR est un moteur de reconnaissance de texte haute précision. Associé à GroupDocs.Parser, il étend les capacités du parseur pour gérer les fichiers uniquement image et fournir des positions de texte précises.

Q : Puis‑je traiter plusieurs formats d’image ?
R : Oui. GroupDocs.Parser prend en charge JPEG, PNG, BMP, TIFF, et plus encore — assurez‑vous simplement que le connecteur OCR peut lire le format.

Q : Que faire si aucune zone de texte n’est extraite ?
R : Vérifiez le chemin du fichier, confirmez que le connecteur OCR est licencié, et assurez‑vous que le type de document est pris en charge par Aspose OCR.

Q : Où puis‑je trouver plus de ressources sur GroupDocs.Parser ?
R : Consultez GroupDocs Documentation pour des guides détaillés et des références API.

Ressources

Explorez ces ressources pour approfondir votre compréhension et étendre les capacités de GroupDocs.Parser dans vos projets.

Dernière mise à jour : 2026-02-09
Testé avec : GroupDocs.Parser 25.5 for Java
Auteur : GroupDocs