在 PDF 中使用 GroupDocs OCR 修飾遮蔽敏感資料

在當今的數位環境中，保護個人及機密資訊是首要任務。在本教學中，您將學習如何在 PDF 檔案中遮蔽敏感資料，方法是結合 GroupDocs Redaction 與 Microsoft Azure OCR。此方式可在掃描頁面上提供可靠的文字辨識，並讓您精準修飾 PDF Java文件，確保符合隱私法規。

快速解答

「遮蔽敏感資料」是什麼意思？ 它會將已識別的機密文字取代為佔位符（例如 [REDACTED]）。
哪個函式庫負責 OCR？ Microsoft Azure OCR 連接器，透過 GroupDocs Redaction 使用。
我需要授權嗎？ 免費試用可用於評估；正式上線需購買永久授權。
我可以修飾掃描的 PDF 嗎？ 可以——OCR 會在套用正則表達式修飾前提取隱藏文字。
此解決方案僅限 Java 嗎？ 範例基於 Java，但 GroupDocs 亦提供 .NET 及其他平台的相似 API。

什麼是 OCR 基於的修飾？

OCR 基於的修飾會先對文件的每一頁執行光學字符辨識（Optical Character Recognition），將文字影像轉換為可搜尋的字串。文字可搜尋後，您即可套用正規表達式（regex）規則來定位敏感資訊——例如社會安全號碼、信用卡號碼或個人識別碼，並以遮蔽字串（如 [REDACTED]）取代。

為何使用 GroupDocs Redaction 搭配 Azure OCR？

高精準度，適用於掃描的 PDF 與影像。
無縫的 Java 整合，透過 Maven 或直接下載 JAR。
彈性的 regex 引擎，讓您為任何資料類型自訂模式。
可擴充，適用於大量文件批次，並提供非同步處理選項。

前置條件

Java Development Kit (JDK) 8+ 已安裝。
Maven（若您偏好相依性管理）或能手動下載 JAR。
Microsoft Azure OCR 憑證（端點與訂閱金鑰）。
基本的 Java 知識與正則表達式的熟悉度。

設定 GroupDocs Redaction（Java 版）

Maven 設定

Add the GroupDocs repository and dependency to your pom.xml:

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

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-redaction</artifactId>
      <version>24.9</version>
   </dependency>
</dependencies>

直接下載

如果您偏好手動管理 JAR，請從 GroupDocs.Redaction for Java releases 取得最新版本。

取得授權

Free Trial – 免費試用，探索所有功能。
Temporary License – 延長評估期限。
Full License – 解鎖正式環境的全部功能。

基本初始化與設定

import com.groupdocs.redaction.Redactor;
import com.groupdocs.redaction.RedactorSettings;
import com.groupdocs.redaction.options.LoadOptions;
import com.groupdocs.redaction.examples.java.helper_classes.MicrosoftAzureOcrConnector;

// Initialize the OCR connector with Microsoft Azure
RedactorSettings settings = new RedactorSettings(new MicrosoftAzureOcrConnector());

如何使用 OCR 修飾遮蔽敏感資料

步驟 1：使用 OCR 設定載入文件

import com.groupdocs.redaction.Redactor;
import com.groupdocs.redaction.options.LoadOptions;

// Load your document with OCR settings
try (Redactor redactor = new Redactor("YOUR_DOCUMENT_DIRECTORY/SAMPLE_PDF_FOR_4OCR.pdf", 
    new LoadOptions(), settings)) {
    // Further operations will go here
}

YOUR_DOCUMENT_DIRECTORY/SAMPLE_PDF_FOR_4OCR.pdf – 請替換為您的 PDF 路徑。
LoadOptions – 預設載入；如有需要可自行客製化。
settings – 包含先前建立的 Azure OCR 連接器。

步驟 2：定義並套用 Regex 修飾

import com.groupdocs.redaction.redactions.RegexRedaction;
import com.groupdocs.redaction.redactions.ReplacementOptions;

// Define the regex for sensitive data (e.g., Social Security Numbers)
RegexRedaction redaction = new RegexRedaction("\\b\\d{3}-\\d{2}-\\d{4}\\b", 
    new ReplacementOptions("[REDACTED]"));

// Apply redaction
redactor.apply(redaction);

// Save the document after redactions
redactor.save(new SaveOptions());

模式 \b\d{3}-\d{2}-\d{4}\b 可匹配美國社會安全號碼（SSN）。
ReplacementOptions("[REDACTED]") 會將每個匹配項替換為遮蔽字串，從而 遮蔽敏感資料。

常見的敏感資料遮蔽使用情境

Legal Document Management – 在分享草稿前隱藏客戶識別碼。
Financial Reporting – 保護帳號與交易編號。
Healthcare Records – 依照 HIPAA 規範修飾患者識別資訊。
Government Publications – 從公開紀錄中移除個人資料。
Corporate Contracts – 在外部審查時隱藏專有條款。

效能最佳化建議

優化 regex – 避免過於寬泛的模式，以免增加處理時間。
記憶體管理 – 及時關閉 Redactor 實例（使用 try‑with‑resources 會自動完成）。
非同步執行 – 大量處理時，將修飾工作放在獨立執行緒或使用任務佇列。

疑難排解

Azure 憑證錯誤 – 請再次確認 MicrosoftAzureOcrConnector 中的端點 URL 與訂閱金鑰。
文件未載入 – 檢查檔案路徑，並確保 PDF 未受密碼保護（或透過 LoadOptions 提供密碼）。
未套用修飾 – 先以簡單字串測試 regex；可在單元測試中使用 Pattern.compile 以確認匹配結果。

常見問與答

Q: 什麼是 OCR 修飾？
A: OCR 修飾利用光學字符辨識（Optical Character Recognition）從影像或掃描的 PDF 中提取隱藏文字，然後套用修飾規則將該文字遮蔽。

Q: 可以在不使用 Azure OCR 的情況下使用 GroupDocs Redaction 嗎？
A: 可以，但在原生文字提取失敗的掃描文件上，OCR 能顯著提升精準度。

Q: 如何處理複雜的 regex 模式？
A: 請逐步建構與測試，可在沙盒環境使用 Java 的 Pattern 類別，確認無誤後再套用至大型文件。

Q: 常見的效能瓶頸是什麼？
A: 大型 PDF、過於複雜的 regex 以及同步的 OCR 呼叫都會拖慢處理速度；建議使用批次處理與最佳化的模式。

Q: 是否提供實作問題的支援？
A: 當然可以——可透過 GroupDocs forum 向社群求助，或直接聯絡 GroupDocs 支援團隊。

其他資源

文件說明: https://docs.groupdocs.com/redaction/java/
API 參考: https://reference.groupdocs.com/redaction/java
下載: https://releases.groupdocs.com/redaction/java/
GitHub: https://github.com/groupdocs-redaction/GroupDocs.Redaction-for-Java
免費支援: https://forum.groupdocs.com/c/redaction/33
臨時授權: https://purchase.groupdocs.com/temporary-license/

最後更新： 2026-02-08
測試環境： GroupDocs.Redaction 24.9 (Java)
作者： GroupDocs