如何在 Java 中使用 GroupDocs 与 Aspose 进行 OCR 索引

在本指南中，您将了解 如何使用 GroupDocs 为您的 Java 应用程序添加 OCR 驱动的搜索。通过将 GroupDocs.Search 与 Aspose.OCR 结合，您可以将基于图像的内容转换为可搜索的文本，使文档管理系统更加实用。我们将逐步演示设置、索引、搜索以及自定义 OCR 集成，提供清晰的示例。

快速答案

提供 OCR 索引的库是什么？ GroupDocs.Search paired with Aspose.OCR.
需要哪个 Java 版本？ JDK 8 or higher.
我需要许可证吗？ 提供免费试用；生产环境需要付费许可证。
我可以同时索引独立图像和嵌入图像吗？ 是的，在 IndexingOptions 中启用两项选项。
是否支持多线程？ 是的，您可以对大型数据集进行并行索引。

什么是使用 GroupDocs 的 OCR 索引？

OCR 索引从图像（包括扫描的 PDF）中提取文本并将其存储在可搜索的索引中。GroupDocs.Search 负责索引和查询执行，而 Aspose.OCR 执行实际的字符识别。

为什么在 Java 中使用 GroupDocs 进行 OCR 索引？

高精度，归功于 Aspose 的先进 OCR 引擎。
无缝的 Java 集成，通过 Maven 或直接 JAR。
灵活的配置，适用于独立或嵌入的图像。
可扩展的性能，支持多线程和内存优化。

前置条件

GroupDocs.Search ≥ 25.4
Aspose.OCR（最新版本）
JDK 8+ 和 IDE（IntelliJ、Eclipse、NetBeans）
基本的 Java 知识；Maven 有帮助但不是必需的

为 Java 设置 GroupDocs.Search

使用 Maven

在您的 pom.xml 中添加仓库和依赖：

<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>

直接下载

或者，从 GroupDocs 发布下载最新版本的 GroupDocs.Search for Java。

获取许可证

免费试用 – 免费探索所有功能。
临时许可证 – 延长的测试期。
购买 – 生产部署所需。

基本初始化和设置

创建索引文件夹并初始化 Index 对象：

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);

如何使用 GroupDocs 进行 OCR 索引

创建索引

首先，设置用于保存索引文件的文件夹：

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

设置 OCR 索引选项

为独立和嵌入的图像启用 OCR，并接入自定义 OCR 连接器：

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());

索引文档

将源文档（PDF、Word 文件、图像等）添加到索引中：

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

在索引中搜索

对索引内容执行搜索查询：

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

实现 OCR 连接器

使用 Aspose.OCR 识别图像中的文本。按照如下示例实现 IOcrConnector 接口：

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;
    }
}

实际应用

文档管理系统 – 快速检索包含扫描图像的文档。
档案检索 – 在海量档案中定位历史记录。
法律文档分析 – 搜索包含扫描签名或图表的合同和证据。
医疗记录搜索 – 索引患者表格、实验室结果和 X 光注释。

性能考虑因素

索引大小 – 排除不必要的元数据，以保持索引精简。
多线程 – 并行处理大批量以加快索引速度。
内存管理 – 处理高分辨率图像时监控 JVM 堆。

常见问题及解决方案

许可证错误 – 确保正确的许可证文件放置在应用程序的工作目录中。
缺失图像 – 验证图像路径可访问且为支持的格式（PNG、JPEG、BMP）。
内存不足 – 增加 JVM 堆（-Xmx）或将文档分成更小的批次处理。

常见问答

问：如何解决 GroupDocs.Search 的许可证问题？
答：从 GroupDocs 网站获取临时许可证，以解锁全部功能。

问：处理大规模文档索引的最佳方法是什么？
答：利用多线程和批处理来提升性能并降低内存压力。

问：我可以在 GroupDocs.Search 中进一步自定义 OCR 设置吗？
答：可以，IndexingOptions 允许您微调 OCR 行为，例如语言选择和图像预处理。

问：使用 GroupDocs.Search 时有哪些常见的故障排除技巧？
答：仔细检查目录路径，确认所有依赖项已存在，并查看日志输出以发现缺失的文件。

问：如何将 Aspose.OCR 集成到现有的 Java 应用程序中？
答：按照上面的示例实现 IOcrConnector 接口，确保正确处理图像输入。

资源

最后更新： 2026-01-11
测试环境： GroupDocs.Search 25.4，Aspose.OCR 最新版本
作者： GroupDocs