Java에서 GroupDocs.Parser OCR을 사용하여 PDF에서 텍스트 추출

현대 문서 처리 파이프라인에서는 extract text from PDF java를 빠르고 안정적으로 수행하는 것이 필수적입니다. 역사적인 종이 아카이브를 디지털화하거나 정의된 영역에서 read image text java를 읽어야 하는 청구서 읽기 서비스를 구축해야 할 경우, GroupDocs.Parser의 OCR 엔진은 깔끔하고 프로그래밍 가능한 방법을 제공합니다. 이 가이드는 라이브러리 설치, 특정 사각형에 대한 OCR 구성, 오류 처리 방법을 안내하여 애플리케이션이 견고하게 유지되도록 합니다.

빠른 답변

  • What does “extract text from PDF” mean? 스캔된 PDF의 시각적 콘텐츠를 검색 가능하고 편집 가능한 텍스트로 변환합니다.
  • Which Java library provides OCR? GroupDocs.Parser와 내장된 Aspose OCR 커넥터.
  • Is a license required for production? 예—테스트를 위해 무료 체험을 사용하고, 배포를 위해 유료 라이선스를 취득합니다.
  • Can OCR be limited to a region? 물론입니다; 필요한 영역만 대상으로 하려면 Rectangle을 OcrOptions에 전달하십시오.
  • Do I need special error handling? 예—페이지가 손상된 경우에도 앱이 안정적으로 유지되도록 OCR 호출을 try‑catch 블록으로 감싸야 합니다.

extract text from PDF java란?

Extract text from PDF java는 이미지 기반 PDF 페이지에 광학 문자 인식(OCR)을 적용하여 문자를 기계가 읽을 수 있는 텍스트로 변환하는 과정입니다. 이를 통해 Java 애플리케이션에서 전체 텍스트 검색, 인덱싱 및 하위 데이터 추출이 가능해져 개발자가 문서 내용을 프로그래밍 방식으로 분석하고 조작할 수 있습니다.

Java에서 OCR을 위해 GroupDocs.Parser를 사용하는 이유

GroupDocs.Parser는 50+ input and output formats를 지원하며 전체 파일을 메모리에 로드하지 않고 수백 페이지 PDF를 처리할 수 있어 OCR을 사각형으로 제한할 경우 최대 40 %의 속도 향상을 제공합니다. Aspose OCR 엔진과의 원활한 통합으로 특히 일반적인 라틴 기반 언어에 대해 즉시 높은 정확도의 인식을 얻을 수 있습니다.

사전 요구 사항

  • Java Development Kit 8 또는 그 이상.
  • GroupDocs.Parser 라이브러리 – Maven을 통해 설치하거나 직접 다운로드합니다.
  • Java try‑with‑resources 및 예외 처리에 대한 기본적인 이해.

Java용 GroupDocs.Parser 설정

Maven 설치

다음 저장소와 의존성을 pom.xml에 추가하십시오:

<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>

직접 다운로드

또는 최신 버전을 GroupDocs.Parser for Java releases에서 다운로드하십시오.

라이선스 획득

무료 체험으로 시작하거나 전체 기능 접근을 위한 임시 라이선스를 요청하십시오. 프로덕션에서는 영구 라이선스를 구매합니다.

기본 초기화 및 설정

라이브러리를 추가한 후, OCR 기능을 활용할 준비가 됩니다.

구현 가이드

정의된 사각형으로 스캔된 PDF 텍스트 추출 방법

특정 영역을 대상으로 하면 속도와 정확도가 향상되며, 특히 알려진 영역에서 read image text java만 필요할 때 유용합니다.

Direct answer: OCR 활성화 설정으로 Parser를 사용해 PDF를 로드하고, 원하는 텍스트를 포함하는 Rectangle을 정의한 뒤 extractText를 호출하십시오 – 전체 작업은 두세 줄의 코드로 완료되며 인식된 문자열을 반환합니다.

Step 1: OCR 설정 구성

ParserSettings는 GroupDocs.Parser에 사용할 OCR 엔진을 지정하는 중앙 구성 객체입니다.

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

Step 2: 파서 초기화

Parser는 모든 문서 읽기 작업의 진입점입니다.

try (Parser parser = new Parser("YOUR_DOCUMENT_DIRECTORY", settings)) {
    // Proceed to define OCR area and extract text.
}

Step 3: OCR 영역 정의

Rectangle은 페이지상의 직사각형 영역을 나타내며, X/Y 원점과 픽셀 단위의 너비/높이로 정의됩니다.

OcrOptions ocrOptions = new OcrOptions(new Rectangle(0, 0, 400, 200));

이 사각형은 좌상단 모서리 (0,0)에서 시작하여 가로 400 px, 세로 200 px까지 확장됩니다.

Step 4: 텍스트 옵션 설정

OcrOptions를 사용하면 정의한 사각형에만 OCR을 활성화하고 페이지의 나머지 부분은 그대로 둡니다.

TextOptions options = new TextOptions(false, true, ocrOptions);

false는 언어별 제한을 비활성화하고, true는 OCR 영역을 활성화합니다.

Step 5: 텍스트 추출

extractText는 지정된 페이지와 영역에 대한 OCR 처리된 문자열을 반환합니다.

try (TextReader reader = parser.getText(options)) {
    String resultText = reader == null ? "Text extraction isn't supported" : reader.readToEnd();
    // Use extracted text as needed.
}

Step 6: OCR 처리 오류 처리

지원되지 않는 이미지 형식이나 메모리 부족과 같은 문제를 포착하기 위해 전체 작업을 try‑catch 블록으로 감싸십시오.

try {
    // Include main OCR processing logic here (refer to previous section).
} catch (Exception ex) {
    System.out.println("An error occurs: " + ex.getMessage());
}

이를 통해 OCR 엔진이 예상치 못한 형식을 만나더라도 애플리케이션이 안정적으로 유지됩니다.

실용적인 적용 사례

  1. Invoice processing – 스캔된 청구서에서 핵심 필드를 자동으로 추출합니다.
  2. Document digitization – 기존 종이 아카이브를 검색 가능한 PDF로 변환합니다.
  3. Data‑entry automation – 양식에서 read image text java를 읽어 수동 입력을 없앱니다.

성능 고려 사항

  • Resource usage – 특히 대용량 PDF에서는 메모리를 모니터링하십시오; GroupDocs.Parser는 페이지를 지연 처리하여 힙 사용량을 낮게 유지합니다.
  • Java memory management – (위 예시와 같이) try‑with‑resources를 사용하여 스트림을 즉시 닫습니다.
  • Batch processing – 가능하면 여러 문서에 대해 OCR을 병렬 처리하십시오; 라이브러리는 읽기 전용 작업에 대해 스레드 안전합니다.

일반적인 문제 및 해결책

문제해결책
대용량 파일에서 Out‑of‑memory 오류페이지를 더 작은 배치로 처리하고, 필요하면 JVM 힙(-Xmx2g)을 늘립니다.
OCR 정확도 저하소스 이미지 DPI를 300 이상으로 높이거나 ParserSettings에 언어 힌트를 제공하십시오.
지원되지 않는 파일 형식파일이 지원되는 PDF 또는 이미지 형식인지 확인하고, 지원되지 않는 형식은 먼저 PNG로 변환하십시오.

자주 묻는 질문

Q: Java 개발 맥락에서 OCR이란 무엇인가요?
A: Optical Character Recognition (OCR)은 텍스트 이미지를 기계가 인코딩한 문자로 변환하며, GroupDocs.Parser는 외부 네이티브 종속성 없이 이를 수행할 수 있는 Java 친화적인 API를 제공합니다.

Q: OCR 추출을 위한 사각형 영역을 어떻게 정의하나요?
A: 원하는 X, Y, 너비 및 높이를 가진 Rectangle 객체를 생성한 뒤 extractText 호출 시 OcrOptions에 전달합니다.

Q: OCR 처리 중 흔히 발생하는 오류는 무엇이며, 어떻게 처리하나요?
A: 오류에는 지원되지 않는 형식이나 잘못된 설정이 포함됩니다; 항상 OCR 호출을 try‑catch 블록으로 감싸고 예외 세부 정보를 로그에 기록하십시오.

Q: 라이선스 없이 GroupDocs.Parser를 사용할 수 있나요?
A: 평가를 위한 무료 체험이 제공되지만, 프로덕션 배포에는 라이선스가 필요합니다.

Q: Java 애플리케이션에서 OCR 성능을 어떻게 최적화할 수 있나요?
A: 필요한 영역으로 OCR을 제한하고, 문서 간에 ParserSettings를 재사용하며, 다수 파일을 처리할 때 OCR을 병렬 배치로 실행하십시오.

리소스

마지막 업데이트: 2026-09-02
테스트 환경: GroupDocs.Parser 25.5
작성자: GroupDocs

관련 튜토리얼