Dokumenthantering OCR med GroupDocs för Java och Aspose

I den här guiden kommer du att upptäcka hur du använder GroupDocs för att lägga till OCR‑driven sökning i dina Java‑applikationer, en grundläggande funktion för alla moderna document management OCR‑lösningar. Genom att kombinera GroupDocs.Search med Aspose.OCR kan du omvandla bildbaserat innehåll till sökbar text, vilket gör dokumenthanteringssystem mycket mer användbara för slutanvändare. Vi går igenom installation, indexering, sökning och anpassad OCR‑integration, allt med tydliga, steg‑för‑steg‑exempel som du kan kopiera in i ditt projekt idag.

Snabba svar

  • Vilket bibliotek tillhandahåller OCR‑indexering? GroupDocs.Search i kombination med Aspose.OCR.
  • Vilken Java‑version krävs? JDK 8 eller högre.
  • Behöver jag en licens? En gratis provperiod finns tillgänglig; en betald licens krävs för produktion.
  • Kan jag indexera både separata och inbäddade bilder? Ja, aktivera båda alternativen i IndexingOptions.
  • Stöds multi‑threading? Ja, du kan parallellisera indexeringen för stora datamängder.

Vad är dokumenthantering OCR?

Dokumenthantering OCR extraherar text från bilder (inklusive skannade PDF‑filer) och lagrar den i ett sökbart index. GroupDocs.Search hanterar indexeringen och frågeexekveringen, medan Aspose.OCR utför den faktiska teckenigenkänningen, vilket ger dig en komplett document management OCR‑pipeline.

Varför använda GroupDocs för Java OCR‑indexering?

  • Hög noggrannhet tack vare Asposes avancerade OCR‑motor.
  • Sömlös Java‑integration via Maven eller direkta JAR‑filer.
  • Flexibel konfiguration för separata eller inbäddade bilder.
  • Skalbar prestanda med multi‑threading och minnesoptimeringar.
  • Enterprise‑klar licensiering för produktionsutplaceringar.

Förutsättningar

  • GroupDocs.Search ≥ 25.4
  • Aspose.OCR (senaste versionen)
  • JDK 8+ och en IDE (IntelliJ, Eclipse, NetBeans)
  • Grundläggande Java‑kunskaper; Maven är hjälpsamt men inte obligatoriskt

Konfigurera GroupDocs.Search för Java

Använda Maven

Add the repository and dependency to your 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>

Direkt nedladdning

Alternativt, ladda ner den senaste versionen av GroupDocs.Search för Java från GroupDocs releases.

Licensanskaffning

  • Free Trial – utforska alla funktioner utan kostnad.
  • Temporary License – förlängd testperiod.
  • Purchase – krävs för produktionsutplaceringar.

Grundläggande initiering och konfiguration

Create an index folder and initialize the Index object:

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);

Hur du använder GroupDocs för OCR‑indexering

Skapa ett index

First, set up the folder that will hold the index files:

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

Ställa in OCR‑indexeringsalternativ

Enable OCR for both separate and embedded images, and plug in a custom OCR connector:

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());

Indexera dokument

Add your source documents (PDFs, Word files, images, etc.) to the index:

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

Söka i ett index

Run a search query against the indexed content:

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

Implementera en OCR‑anslutning

Use Aspose.OCR to recognize text from images. Implement the IOcrConnector interface as shown:

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;
    }
}

Praktiska tillämpningar

  1. Document Management Systems – snabb hämtning av dokument som innehåller skannade bilder.
  2. Archival Retrieval – lokalisera historiska handlingar i massiva arkiv.
  3. Legal Document Analysis – sök i kontrakt och bevis som innehåller skannade signaturer eller diagram.
  4. Medical Records Search – indexera patientformulär, laboratorieresultat och röntgenanteckningar.

Prestandaöverväganden

  • Index Size – exkludera onödig metadata för att hålla indexet slimmat.
  • Multi‑Threading – bearbeta stora batcher parallellt för att snabba upp indexeringen.
  • Memory Management – övervaka JVM‑heap när du hanterar högupplösta bilder.

Vanliga problem och lösningar

  • License Errors – säkerställ att rätt licensfil är placerad i applikationens arbetskatalog.
  • Missing Images – verifiera att bildvägar är åtkomliga och att formatet stöds (PNG, JPEG, BMP).
  • Out‑Of‑Memory – öka JVM‑heap (-Xmx) eller bearbeta dokument i mindre batcher.

Vanliga frågor

Q: Hur löser jag licensproblem med GroupDocs.Search?
A: Skaffa en temporär licens från GroupDocs website för att låsa upp alla funktioner.

Q: Vad är det bästa sättet att hantera stor dokumentindexering?
A: Använd multi‑threading och batch‑behandling för att förbättra prestanda och minska minnesbelastningen.

Q: Kan jag anpassa OCR‑inställningarna ytterligare i GroupDocs.Search?
A: Ja, IndexingOptions låter dig finjustera OCR‑beteendet, såsom språkval och bildförbehandling.

Q: Vilka är vanliga felsökningstips när du använder GroupDocs.Search?
A: Dubbelkolla katalogvägar, verifiera att alla beroenden finns, och granska loggutdata för saknade filer.

Q: Hur kan jag integrera Aspose.OCR med min befintliga Java‑applikation?
A: Implementera IOcrConnector‑gränssnittet som demonstrerat ovan, och se till att du hanterar bildinmatning korrekt.

Resurser

Senast uppdaterad: 2026-03-20
Testat med: GroupDocs.Search 25.4, Aspose.OCR latest release
Författare: GroupDocs