Document Management OCR with GroupDocs for Java and Aspose

In questa guida scoprirai come usare GroupDocs per aggiungere la ricerca potenziata da OCR alle tue applicazioni Java, una funzionalità fondamentale per qualsiasi moderna soluzione di document management OCR. Combinando GroupDocs.Search con Aspose.OCR, puoi trasformare contenuti basati su immagine in testo ricercabile, rendendo i sistemi di gestione documentale molto più utili per gli utenti finali. Ti guideremo attraverso configurazione, indicizzazione, ricerca e integrazione OCR personalizzata, con esempi chiari passo‑passo che potrai copiare nel tuo progetto subito.

Quick Answers

  • Quale libreria fornisce l’indicizzazione OCR? GroupDocs.Search associato a Aspose.OCR.
  • Quale versione di Java è necessaria? JDK 8 o superiore.
  • È necessaria una licenza? È disponibile una prova gratuita; per la produzione è richiesta una licenza a pagamento.
  • Posso indicizzare sia immagini separate che incorporate? Sì, abilita entrambe le opzioni in IndexingOptions.
  • Il multi‑threading è supportato? Sì, puoi parallelizzare l’indicizzazione per grandi set di dati.

What is Document Management OCR?

Il document management OCR estrae testo dalle immagini (inclusi PDF scansionati) e lo memorizza in un indice ricercabile. GroupDocs.Search gestisce l’indicizzazione e l’esecuzione delle query, mentre Aspose.OCR esegue il riconoscimento dei caratteri, fornendoti una pipeline completa di document management OCR.

Why Use GroupDocs for Java OCR Indexing?

  • Alta precisione grazie al motore OCR avanzato di Aspose.
  • Integrazione Java senza soluzione di continuità tramite Maven o JAR diretti.
  • Configurazione flessibile per immagini separate o incorporate.
  • Prestazioni scalabili con multi‑threading e ottimizzazioni di memoria.
  • Opzioni di licenza enterprise‑ready per distribuzioni in produzione.

Prerequisites

  • GroupDocs.Search ≥ 25.4
  • Aspose.OCR (ultima versione)
  • JDK 8+ e un IDE (IntelliJ, Eclipse, NetBeans)
  • Conoscenza di base di Java; Maven è utile ma non obbligatorio

Setting Up GroupDocs.Search for Java

Using Maven

Aggiungi il repository e la dipendenza al tuo 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>

Direct Download

In alternativa, scarica l’ultima versione di GroupDocs.Search per Java da GroupDocs releases.

License Acquisition

  • Free Trial – esplora tutte le funzionalità senza costi.
  • Temporary License – periodo di test esteso.
  • Purchase – richiesta per le distribuzioni in produzione.

Basic Initialization and Setup

Crea una cartella per l’indice e inizializza l’oggetto 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);

How to Use GroupDocs for OCR Indexing

Creating an Index

Per prima cosa, imposta la cartella che conterrà i file dell’indice:

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

Setting OCR Indexing Options

Abilita l’OCR sia per immagini separate che incorporate e collega un connettore OCR personalizzato:

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());

Indexing Documents

Aggiungi i documenti di origine (PDF, file Word, immagini, ecc.) all’indice:

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

Searching in an Index

Esegui una query di ricerca sul contenuto indicizzato:

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

Implementing an OCR Connector

Usa Aspose.OCR per riconoscere il testo dalle immagini. Implementa l’interfaccia IOcrConnector come mostrato:

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;
    }
}

Practical Applications

  1. Document Management Systems – recupero rapido di documenti contenenti immagini scansionate.
  2. Archival Retrieval – individuare record storici all’interno di archivi massivi.
  3. Legal Document Analysis – cercare contratti e prove che includono firme o diagrammi scansionati.
  4. Medical Records Search – indicizzare moduli paziente, risultati di laboratorio e annotazioni di raggi‑X.

Performance Considerations

  • Dimensione dell’indice – escludi metadati non necessari per mantenere l’indice snello.
  • Multi‑Threading – elabora grandi lotti in parallelo per velocizzare l’indicizzazione.
  • Gestione della memoria – monitora l’heap JVM quando gestisci immagini ad alta risoluzione.

Common Issues and Solutions

  • Errori di licenza – assicurati che il file di licenza corretto sia posizionato nella directory di lavoro dell’applicazione.
  • Immagini mancanti – verifica che i percorsi delle immagini siano accessibili e che i formati siano supportati (PNG, JPEG, BMP).
  • Out‑Of‑Memory – aumenta l’heap JVM (-Xmx) o elabora i documenti in lotti più piccoli.

Frequently Asked Questions

Q: How do I resolve licensing issues with GroupDocs.Search?
A: Obtain a temporary license from the GroupDocs website to unlock full features.

Q: What is the best way to handle large document indexing?
A: Utilize multi‑threading and batch processing to improve performance and reduce memory pressure.

Q: Can I customize OCR settings further in GroupDocs.Search?
A: Yes, IndexingOptions lets you fine‑tune OCR behavior, such as language selection and image preprocessing.

Q: What are some common troubleshooting tips when using GroupDocs.Search?
A: Double‑check directory paths, verify that all dependencies are present, and review log output for missing files.

Q: How can I integrate Aspose.OCR with my existing Java application?
A: Implement the IOcrConnector interface as demonstrated above, ensuring you handle image input correctly.

Resources

Last Updated: 2026-03-20
Tested With: GroupDocs.Search 25.4, Aspose.OCR latest release
Author: GroupDocs