Gestion de documents OCR avec GroupDocs pour Java et Aspose

Dans ce guide, vous découvrirez comment utiliser GroupDocs pour ajouter une recherche alimentée par OCR à vos applications Java, une capacité essentielle pour toute solution moderne de gestion de documents OCR. En combinant GroupDocs.Search avec Aspose.OCR, vous pouvez transformer le contenu basé sur des images en texte indexable, rendant les systèmes de gestion de documents beaucoup plus utiles pour les utilisateurs finaux. Nous parcourrons l’installation, l’indexation, la recherche et l’intégration OCR personnalisée, le tout avec des exemples clairs, étape par étape, que vous pouvez copier dans votre projet dès aujourd’hui.

Réponses rapides

Quelle bibliothèque fournit l’indexation OCR ? GroupDocs.Search associé à Aspose.OCR.
Quelle version de Java est requise ? JDK 8 ou supérieur.
Ai‑je besoin d’une licence ? Un essai gratuit est disponible ; une licence payante est requise pour la production.
Puis‑je indexer à la fois des images séparées et intégrées ? Oui, activez les deux options dans IndexingOptions.
Le multithreading est‑il supporté ? Oui, vous pouvez paralléliser l’indexation pour de grands ensembles de données.

Qu’est‑ce que la gestion de documents OCR ?

La gestion de documents OCR extrait le texte des images (y compris les PDF numérisés) et le stocke dans un index consultable. GroupDocs.Search gère l’indexation et l’exécution des requêtes, tandis qu’Aspose.OCR effectue la reconnaissance réelle des caractères, vous offrant une chaîne complète de gestion de documents OCR.

Pourquoi utiliser GroupDocs pour l’indexation OCR Java ?

Haute précision grâce au moteur OCR avancé d’Aspose.
Intégration Java fluide via Maven ou JARs directs.
Configuration flexible pour les images séparées ou intégrées.
Performance évolutive avec multithreading et optimisations mémoire.
Options de licence enterprise‑ready pour les déploiements en production.

Prérequis

GroupDocs.Search ≥ 25.4
Aspose.OCR (dernière version)
JDK 8+ et un IDE (IntelliJ, Eclipse, NetBeans)
Connaissances de base en Java ; Maven est utile mais pas obligatoire

Configuration de GroupDocs.Search pour Java

Utilisation de Maven

Ajoutez le dépôt et la dépendance à votre 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>

Téléchargement direct

Sinon, téléchargez la dernière version de GroupDocs.Search pour Java depuis GroupDocs releases.

Acquisition de licence

Essai gratuit – explorez toutes les fonctionnalités sans frais.
Licence temporaire – période de test prolongée.
Achat – requis pour les déploiements en production.

Initialisation et configuration de base

Créez un dossier d’index et initialisez l’objet 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);

Comment utiliser GroupDocs pour l’indexation OCR

Création d’un index

Tout d’abord, configurez le dossier qui contiendra les fichiers d’index :

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

Définition des options d’indexation OCR

Activez l’OCR pour les images séparées et intégrées, et branchez un connecteur OCR personnalisé :

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());

Indexation des documents

Ajoutez vos documents source (PDF, fichiers Word, images, etc.) à l’index :

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

Recherche dans un index

Exécutez une requête de recherche sur le contenu indexé :

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

Implémentation d’un connecteur OCR

Utilisez Aspose.OCR pour reconnaître le texte des images. Implémentez l’interface IOcrConnector comme indiqué :

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;
    }
}

Applications pratiques

Systèmes de gestion de documents – récupération rapide de documents contenant des images numérisées.
Recherche d’archives – localisation de dossiers historiques au sein d’archives massives.
Analyse de documents juridiques – recherche dans les contrats et preuves incluant des signatures ou diagrammes numérisés.
Recherche de dossiers médicaux – indexation des formulaires patients, résultats de laboratoire et annotations de radiographies.

Considérations de performance

Taille de l’index – excluez les métadonnées inutiles pour garder l’index léger.
Multithreading – traitez de gros lots en parallèle pour accélérer l’indexation.
Gestion de la mémoire – surveillez le tas JVM lors du traitement d’images haute résolution.

Problèmes courants et solutions

Erreurs de licence – assurez‑vous que le fichier de licence correct est placé dans le répertoire de travail de l’application.
Images manquantes – vérifiez que les chemins d’accès aux images sont accessibles et que les formats pris en charge (PNG, JPEG, BMP) sont utilisés.
Out‑Of‑Memory – augmentez le tas JVM (-Xmx) ou traitez les documents par lots plus petits.

Questions fréquentes

Q : Comment résoudre les problèmes de licence avec GroupDocs.Search ?
R : Obtenez une licence temporaire depuis le site GroupDocs pour débloquer toutes les fonctionnalités.

Q : Quelle est la meilleure façon de gérer l’indexation de gros volumes de documents ?
R : Utilisez le multithreading et le traitement par lots pour améliorer les performances et réduire la pression mémoire.

Q : Puis‑je personnaliser davantage les paramètres OCR dans GroupDocs.Search ?
R : Oui, IndexingOptions vous permet d’ajuster le comportement OCR, comme la sélection de la langue et le pré‑traitement des images.

Q : Quels sont les conseils de dépannage courants lors de l’utilisation de GroupDocs.Search ?
R : Vérifiez les chemins de répertoire, assurez‑vous que toutes les dépendances sont présentes et examinez les journaux pour détecter les fichiers manquants.

Q : Comment intégrer Aspose.OCR à mon application Java existante ?
R : Implémentez l’interface IOcrConnector comme démontré ci‑dessus, en veillant à gérer correctement les entrées d’image.

Ressources

Dernière mise à jour : 2026-03-20
Testé avec : GroupDocs.Search 25.4, Aspose.OCR dernière version
Auteur : GroupDocs