您好：
我的测试结果中 一个pdf 文件有23张图片， 其中要对 33个关键字 进行脱敏处理， 结果发现 OCR的调用次数非常多。
后经多次验证， 对OCR的调用次数 好像是 关键字的数量 * 图片的数量。 这样我这个测试需要调用 33*23=759次
这导致对该pdf文件 脱敏过程非常缓慢，而且脱敏过程中经常突然中断。
这个是否可以进行优化， 对RecognizedImage recognize(InputStream imageStream) 的调用 按照图片的数量进行调用， 对每次调用recognize， 将所有要脱敏的关键字 交给 OCR系统 进行识别 并返回所有关键字对应的结果。
下面是代码调用部分
public final RecognizedImage recognize(InputStream imageStream)
{
savefile(imageStream);
return new RecognizedImage(new TextLine[0]);
}
@RequestMapping(“/skyguard”)
public class RedactionController {
@Autowired
private ABBYYOcrConnectorFactory abbyyOcrConnectorFactory;
@PostMapping("/redaction")
public Object redaction(@NonNull @RequestBody RedactionOptions redactionOptions,
HttpServletResponse httpServletResponse) {
if(Files.isRegularFile(Paths.get(redactionOptions.getSourcePath()))) {
try(OutputStream outputStream = Files.newOutputStream(Paths.get(redactionOptions.getTargetPath()), StandardOpenOption.CREATE)) {
ABBYYOcrConnector connector = abbyyOcrConnectorFactory.createABBYYOcrConnector(getKeywordList(redactionOptions));
RedactorSettings settings = new RedactorSettings(connector);
Redactor redactor = new Redactor(redactionOptions.getSourcePath(), new LoadOptions(), settings);
List<Redaction> redactions = getRedactions(redactionOptions);
RedactorChangeLog redactorChangeLog = redactor.apply(redactions.toArray(new Redaction[]{}));
if (redactorChangeLog.getStatus() != RedactionStatus.Failed) {
RasterizationOptions rasterizationOptions = new RasterizationOptions();
rasterizationOptions.setEnabled(false);
redactor.save(outputStream, rasterizationOptions);
httpServletResponse.setStatus(HttpServletResponse.SC_OK);
} else {
httpServletResponse.setStatus(HttpServletResponse.SC_INTERNAL_SERVER_ERROR);
}
} catch (Exception e) {
httpServletResponse.setStatus(HttpServletResponse.SC_INTERNAL_SERVER_ERROR);
}
} else {
httpServletResponse.setStatus(HttpServletResponse.SC_BAD_REQUEST);
}
return null;
}
}
测试样本：
test_w1.pdf (78.7 KB)
样本包含 2 张图片
测试关键字： 2个关键字
[{“blockcolor”: “0,0,0”, “keyword”: “leveraging”}, {“blockcolor”: “0,0,0”, “keyword”: “come from”}]
测试结果：
recognize 方法 被调用了4次 (2个关键字 * 2张图片 =4 次) 生成4张图片。
下面是图片内容
output1698462280762.png (135.8 KB)
output1698462280762.png (135.8 KB)
output1698462280762.png (135.8 KB)
output1698462280762.png (135.8 KB)
我们已在内部问题跟踪系统中打开以下新票证，并将根据 Free Support Policies 中提到的条款提供修复。
问题 ID：REDACTIONJAVA-182
如果您需要优先支持，以及直接联系我们的付费支持管理团队，您可以获取 Paid Support Services。
事实上，我们不会对 OCR 请求进行缓存，因此，如果您启用 OCR 并提供文本模式，则将为每个图像模式对请求一次 OCR 连接器。 这种缓存应该是 GroupDocs.Redaction API 的一部分这一点并不明显。 首先，它使用我们的库消耗进程的内存资源。 其次，并非所有客户端和用例都需要此类缓存。 例如，GroupDocs.Redaction 应用程序仅支持一种模式，并请求给定文件中的每个图像一次以匹配该模式。 如果用户的环境负载较高，则负载平衡将是客户端的选择，具体取决于实际需要。 例如，您可以将 OCR 连接器实现为 SOAP/REST 服务的客户端，该服务拥有自己的缓存和资源。 请注意，OCR 连接器是一个接口，而不是实现，实现是用户的选择和责任。
@atir.tahir 非常感谢您的回复。 看了您的回复， 感觉我们之间的理解上有一点差入。
我不是需要对OCR进行缓存， 我理解 OCR的调用次数 应该等于 图片的数量， 也就是每张图片 都会 调用一次 OCR， 每次调用 OCR的时候 将所有需要匹配的关键字 送给OCR服务， OCR服务 能够一次性 返回 所有关键字对应的坐标， 这样 对 recognize 的调用次数就会 等于 图片的数量， 而不是 等于 图片的数量 * 需要屏蔽关键字的数量。
@atir.tahir 您好
我测试一个pdf文件 总共27页，通过我们的脱敏系统分离出来29张图片
其中要对 13个关键字 进行脱敏处理
RecognizedImage recognize(InputStream imageStream)
方法被调用 29*13=377次， 调用OCR服务377次， 脱敏花费时间：27分钟
每张图片调用的时候 我都将13个关键字送给OCR服务，并返回对应的坐标，
所以看下是不是 RecognizedImage recognize(InputStream imageStream)可以按照图片的数量调用，这样调用次数就由原来的377次减少到29次。
我们希望购买贵公司产品来实现我们对图片的脱敏功能， 目前这个测试时间 很难接受，希望能尽快得到回复，非常感谢！