Správa dokumentů OCR s GroupDocs pro Java a Aspose

V tomto průvodci se dozvíte jak použít GroupDocs k přidání vyhledávání poháněného OCR do vašich Java aplikací, což je základní schopnost pro jakékoli moderní document management OCR řešení. Kombinací GroupDocs.Search s Aspose.OCR můžete převést obsah založený na obrázcích na prohledávatelný text, čímž učiníte systémy správy dokumentů mnohem užitečnějšími pro koncové uživatele. Provedeme vás nastavením, indexací, vyhledáváním a vlastní integrací OCR, vše s jasnými, krok‑za‑krokem příklady, které můžete dnes zkopírovat do svého projektu.

Rychlé odpovědi

  • Která knihovna poskytuje OCR indexaci? GroupDocs.Search spárovaný s Aspose.OCR.
  • Jaká verze Javy je vyžadována? JDK 8 nebo vyšší.
  • Potřebuji licenci? K dispozici je bezplatná zkušební verze; pro produkci je vyžadována placená licence.
  • Mohu indexovat jak samostatné, tak vložené obrázky? Ano, aktivujte obě možnosti v IndexingOptions.
  • Je podporováno vícevláknové zpracování? Ano, můžete paralelizovat indexaci pro velké datové sady.

Co je Document Management OCR?

Document management OCR extrahuje text z obrázků (včetně naskenovaných PDF) a ukládá jej do prohledávatelného indexu. GroupDocs.Search se stará o indexaci a provádění dotazů, zatímco Aspose.OCR provádí samotné rozpoznávání znaků, čímž vám poskytuje kompletní document management OCR pipeline.

Proč použít GroupDocs pro Java OCR indexaci?

  • Vysoká přesnost díky pokročilému OCR enginu od Aspose.
  • Bezproblémová integrace s Javou přes Maven nebo přímé JAR soubory.
  • Flexibilní konfigurace pro samostatné i vložené obrázky.
  • Škálovatelný výkon s vícevláknovým zpracováním a optimalizacemi paměti.
  • Enterprise‑ready licenční možnosti pro produkční nasazení.

Předpoklady

  • GroupDocs.Search ≥ 25.4
  • Aspose.OCR (nejnovější verze)
  • JDK 8+ a IDE (IntelliJ, Eclipse, NetBeans)
  • Základní znalost Javy; Maven je užitečný, ale není povinný

Nastavení GroupDocs.Search pro Java

Použití Maven

Přidejte repozitář a závislost do souboru pom.xml:

<repositories>
    <repository>
        <id>repository.groupdocs.com</id>
        <name>GroupDocs Repository</name>
        <url>https://releases.groupdocs.com/search/java/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>com.groupdocs</groupId>
        <artifactId>groupdocs-search</artifactId>
        <version>25.4</version>
    </dependency>
</dependencies>

Přímé stažení

Alternativně si stáhněte nejnovější verzi GroupDocs.Search pro Java z GroupDocs releases.

Získání licence

  • Bezplatná zkušební verze – vyzkoušejte všechny funkce zdarma.
  • Dočasná licence – prodloužené testovací období.
  • Koupě – vyžadováno pro produkční nasazení.

Základní inicializace a nastavení

Vytvořte složku indexu a inicializujte objekt Index:

import com.groupdocs.search.Index;
// Specify the directory where the index will be stored.
String indexFolder = "YOUR_OUTPUT_DIRECTORY/OcrSupport";
// Create an instance of Index class at the specified location.
Index index = new Index(indexFolder);

Jak používat GroupDocs pro OCR indexaci

Vytvoření indexu

Nejprve nastavte složku, která bude obsahovat soubory indexu:

String indexFolder = "YOUR_OUTPUT_DIRECTORY/OcrSupport";
Index index = new Index(indexFolder);

Nastavení OCR možností indexace

Povolte OCR pro samostatné i vložené obrázky a připojte vlastní OCR konektor:

import com.groupdocs.search.options.IndexingOptions;
IndexingOptions options = new IndexingOptions();
options.getOcrIndexingOptions().setEnabledForSeparateImages(true);
options.getOcrIndexingOptions().setEnabledForEmbeddedImages(true);
// Set a custom OCR connector.
options.getOcrIndexingOptions().setOcrConnector(new OcrConnector());

Indexace dokumentů

Přidejte své zdrojové dokumenty (PDF, Word, obrázky atd.) do indexu:

String documentsFolder = "YOUR_DOCUMENT_DIRECTORY";
index.add(documentsFolder, options);

Vyhledávání v indexu

Spusťte vyhledávací dotaz proti indexovanému obsahu:

import com.groupdocs.search.results.SearchResult;
String query = "water";
SearchResult result = index.search(query);

Implementace OCR konektoru

Použijte Aspose.OCR k rozpoznání textu z obrázků. Implementujte rozhraní IOcrConnector podle ukázky:

import com.groupdocs.search.options.IOcrConnector;
import com.groupdocs.search.options.OcrContext;
import java.awt.image.BufferedImage;
import javax.imageio.ImageIO;
import com.aspose.ocr.AsposeOCR;

public class OcrConnector implements IOcrConnector {
    @Override
    public final String recognize(OcrContext context) {
        if (null == context.getImageLocation()) {
            throw new RuntimeException("The image type is not supported: " + context.getImageLocation());
        }
        
        BufferedImage image = ImageIO.read(context.getImageLocation().toFile());
        AsposeOCR api = new AsposeOCR();
        String text = api.RecognizePage(image);
        return text;
    }
}

Praktické aplikace

  1. Systémy správy dokumentů – rychlé vyhledávání dokumentů obsahujících naskenované obrázky.
  2. Archivní vyhledávání – lokalizace historických záznamů v masivních archivech.
  3. Analýza právních dokumentů – vyhledávání smluv a důkazů, které zahrnují naskenované podpisy nebo diagramy.
  4. Vyhledávání v lékařských záznamech – indexace pacientských formulářů, laboratorních výsledků a anotací rentgenů.

Úvahy o výkonu

  • Velikost indexu – vyloučte zbytečná metadata, aby byl index úsporný.
  • Vícevláknové zpracování – zpracovávejte velké dávky paralelně pro zrychlení indexace.
  • Správa paměti – monitorujte haldu JVM při práci s vysokým rozlišením obrázků.

Časté problémy a řešení

  • Chyby licence – ujistěte se, že správný licenční soubor je umístěn v pracovním adresáři aplikace.
  • Chybějící obrázky – ověřte, že cesty k obrázkům jsou přístupné a formáty jsou podporovány (PNG, JPEG, BMP).
  • Out‑Of‑Memory – zvyšte haldu JVM (-Xmx) nebo zpracovávejte dokumenty v menších dávkách.

Často kladené otázky

Q: Jak vyřešit problémy s licencí v GroupDocs.Search?
A: Získejte dočasnou licenci na webu GroupDocs, která odemkne všechny funkce.

Q: Jak nejlépe zvládnout indexaci velkých dokumentů?
A: Využijte vícevláknové zpracování a dávkové zpracování pro zlepšení výkonu a snížení zatížení paměti.

Q: Můžu dále přizpůsobit nastavení OCR v GroupDocs.Search?
A: Ano, IndexingOptions umožňuje jemně doladit chování OCR, například výběr jazyka a předzpracování obrázků.

Q: Jaké jsou běžné tipy pro řešení problémů při používání GroupDocs.Search?
A: Zkontrolujte cesty k adresářům, ověřte, že jsou všechny závislosti přítomny, a prohlédněte výstup logu pro chybějící soubory.

Q: Jak mohu integrovat Aspose.OCR do existující Java aplikace?
A: Implementujte rozhraní IOcrConnector podle výše uvedeného příkladu a zajistěte správné zpracování vstupních obrázků.

Zdroje

Poslední aktualizace: 2026-03-20
Testováno s: GroupDocs.Search 25.4, Aspose.OCR nejnovější vydání
Autor: GroupDocs