Jak używać GroupDocs do indeksowania OCR w Javie z Aspose

W tym przewodniku dowiesz się jak używać GroupDocs, aby dodać wyszukiwanie oparte na OCR do swoich aplikacji Java. Łącząc GroupDocs.Search z Aspose.OCR, możesz przekształcić zawartość opartą na obrazach w tekst przeszukiwalny, co sprawia, że systemy zarządzania dokumentami są znacznie bardziej użyteczne. Przejdziemy przez konfigurację, indeksowanie, wyszukiwanie i własną integrację OCR, wszystko z jasnymi, krok po kroku przykładami.

Szybkie odpowiedzi

  • Jaka biblioteka zapewnia indeksowanie OCR? GroupDocs.Search w połączeniu z Aspose.OCR.
  • Jakiej wersji Java wymaga? JDK 8 lub wyższa.
  • Czy potrzebna jest licencja? Dostępna jest bezpłatna wersja próbna; płatna licencja jest wymagana w środowisku produkcyjnym.
  • Czy mogę indeksować zarówno osobne, jak i osadzone obrazy? Tak, włącz obie opcje w IndexingOptions.
  • Czy obsługiwane jest wielowątkowość? Tak, możesz równolegle indeksować duże zestawy danych.

Czym jest indeksowanie OCR w GroupDocs?

Indeksowanie OCR wyodrębnia tekst z obrazów (w tym zeskanowanych plików PDF) i zapisuje go w przeszukiwalnym indeksie. GroupDocs.Search obsługuje indeksowanie i wykonywanie zapytań, natomiast Aspose.OCR wykonuje rzeczywiste rozpoznawanie znaków.

Dlaczego używać GroupDocs do indeksowania OCR w Javie?

  • Wysoka dokładność dzięki zaawansowanemu silnikowi OCR od Aspose.
  • Bezproblemowa integracja z Javą poprzez Maven lub bezpośrednie pliki JAR.
  • Elastyczna konfiguracja dla osobnych lub osadzonych obrazów.
  • Skalowalna wydajność dzięki wielowątkowości i optymalizacji pamięci.

Prerequisites

  • GroupDocs.Search ≥ 25.4
  • Aspose.OCR (latest version)
  • JDK 8+ and an IDE (IntelliJ, Eclipse, NetBeans)
  • Podstawowa znajomość Java; Maven jest pomocny, ale nieobowiązkowy

Konfiguracja GroupDocs.Search dla Java

Using Maven

Dodaj repozytorium i zależność do swojego 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>

Bezpośrednie pobieranie

Alternatywnie, pobierz najnowszą wersję GroupDocs.Search dla Java z wydania GroupDocs.

Nabycie licencji

  • Bezpłatna wersja próbna – przetestuj wszystkie funkcje bez kosztów.
  • Licencja tymczasowa – wydłużony okres testowy.
  • Zakup – wymagany przy stosowaniu produkcji.

Podstawowa inicjalizacja i konfiguracja

Utwórz folder indeksu i zainicjalizuj obiekt 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 używać GroupDocs do indeksowania OCR

Creating an Index

Najpierw skonfiguruj folder, w którym będą przechowywane pliki indeksu:

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

Ustawianie opcji indeksowania OCR

Włącz OCR zarówno dla osobnych, jak i osadzonych obrazów oraz podłącz własny łącznik OCR:

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());

Indeksowanie dokumentów

Dodaj swoje dokumenty źródłowe (PDF, pliki Word, obrazy itp.) do indeksu:

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

Wyszukiwanie w indeksie

Uruchom zapytanie wyszukiwania na zindeksowanej zawartości:

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

Implementacja łącznika OCR

Użyj Aspose.OCR do rozpoznawania tekstu z obrazów. Zaimplementuj interfejs IOcrConnector jak pokazano:

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;
    }
}

Praktyczne zastosowania

  1. Systemy zarządzania dokumentami – szybkie wyszukiwanie dokumentów zawierających zeskanowane obrazy.
  2. Wyszukiwanie w archiwach – odnajdywanie historycznych rekordów w ogromnych archiwach.
  3. Analiza dokumentów prawnych – przeszukiwanie umów i dowodów zawierających zeskanowane podpisy lub diagramy.
  4. Wyszukiwanie w dokumentacji medycznej – indeksowanie formularzy pacjentów, wyników laboratoriów i adnotacji z rentgenów.

Uwagi dotyczące wydajności

  • Rozmiar indeksu – wyklucz niepotrzebne metadane, aby utrzymać indeks w lekkiej formie.
  • Wielowątkowość – przetwarzaj duże partie równolegle, aby przyspieszyć indeksowanie.
  • Zarządzanie pamięcią – monitoruj stertę JVM przy obsłudze obrazów wysokiej rozdzielczości.

Typowe problemy i rozwiązania

  • Błędy licencji – upewnij się, że prawidłowy plik licencji znajduje się w katalogu roboczym aplikacji.
  • Brakujące obrazy – sprawdź, czy ścieżki do obrazów są dostępne i czy formaty są obsługiwane (PNG, JPEG, BMP).
  • Out‑Of‑Memory – zwiększ stertę JVM (-Xmx) lub przetwarzaj dokumenty w mniejszych partiach.

Najczęściej zadawane pytania

P: Jak rozwiązać problemy z licencjonowaniem w GroupDocs.Search?
A: Uzyskaj tymczasową licencję ze strony GroupDocs, aby odblokować wszystkie funkcje.

P: Jaki jest najlepszy sposób obsługi indeksowania dużych dokumentów?
A: Wykorzystaj wielowątkowość i przetwarzanie wsadowe, aby poprawić wydajność i zmniejszyć obciążenie pamięci.

P: Czy mogę dalej dostosować ustawienia OCR w GroupDocs.Search?
A: Tak, IndexingOptions pozwala precyzyjnie dostroić zachowanie OCR, np. wybór języka i wstępne przetwarzanie obrazu.

P: Jakie są typowe wskazówki rozwiązywania problemów przy używaniu GroupDocs.Search?
A: Sprawdź dokładnie ścieżki katalogów, upewnij się, że wszystkie zależności są dostępne, oraz przejrzyj logi pod kątem brakujących plików.

P: Jak mogę zintegrować Aspose.OCR z istniejącą aplikacją Java?
A: Zaimplementuj interfejs IOcrConnector jak pokazano powyżej, zapewniając prawidłowe obsłużenie wejścia obrazu.

Zasoby

Ostatnia aktualizacja: 2026-01-11
Testowano z: GroupDocs.Search 25.4, Aspose.OCR najnowsza wersja
Author: GroupDocs