Ein Vergleich zwischen IronOCR und Abbyy Finereader

1.1 ABBYY FineReader PDF — Einführung und Funktionen

ABBYY FineReader PDF ist eine Anwendung zur optischen Zeichenerkennung (OCR), die von ABBYY entwickelt wurde. Es ermöglicht uns, Bilddokumente (Bilder, Scans, PDF-Dateien) und Bildschirmaufnahmen in bearbeitbare Dateiformate wie Microsoft Word, Microsoft Excel, Microsoft PowerPoint, Rich Text Format, HTML, PDF/A, durchsuchbare PDF, CSV und Text (unformatierter Text) zu konvertieren.

ABBYY FineReader ist eine Desktop-Anwendung, die sowohl für Windows, Linux als auch macOS verfügbar ist. Es ermöglicht auch das Erstellen bearbeitbarer Formate für PDF-Dateien. Wir können PDFs auch genauso lesen wie mit Adobe Acrobat. ABBYY FineReader integriert gescannte Dokumente in digitale Workflows.

Dokumente einfach und effizient verwalten und abschließen, um Zeit und Mühe zu sparen. Arbeiten Sie mit jedem Dokument auf die gleiche methodische Weise, egal ob es digital erstellt oder aus Papier umgewandelt wurde. Sie können den Text, die Tabellen und das vollständige Layout Ihres PDFs ändern, ohne es zuerst konvertieren zu müssen.

ABBYY FineReader PDF kann PDFs aus mehr als 25 verschiedenen Dateiformaten erstellen, direkt aus Papierdokumenten oder durch Drucken auf einem PDF-Drucker aus nahezu jeder Anwendung heraus. PDF/A-1 bis PDF/A-3 werden für die langfristige Archivierung unterstützt, und PDF/UA sorgt dafür, dass Inhalte bei Verwendung unterstützender Software wie Bildschirmlesegeräten zugänglich sind. Es erlaubt auch Fachleuten, die Effizienz im digitalen Arbeitsplatz zu maximieren.

Erstellen und aktualisieren Sie mit ABBYY FineReader Ihre eigenen interaktiven PDF-Formulare, um Informationen erfolgreich zu sammeln und Dokumente zu standardisieren. Erstellen Sie Formulare, indem Sie interaktive Felder verschiedener Typen kombinieren, Aktionen festlegen, bestehende PDF-Formulare bearbeiten oder Formelemente zu einem herkömmlichen PDF hinzufügen.

ABBYY FineReader kann Papierdokumente, Scans und gescannte PDFs sofort in durchsuchbare PDFs umwandeln, sodass Sie Dokumente aus digitalen Archiven abrufen und auf die darin enthaltenen Informationen zugreifen können. FineReader PDF unterstützt alle Compliance-Stufen und Varianten des PDF/A-Formats, dem Industriestandard für langfristige Archivierung von PDF/A-1 bis PDF/A-3.

ABBYYs neueste KI-basierte OCR-Technologie, FineReader PDF, erleichtert die Digitalisierung, das Abrufen, Bearbeiten, Schützen, Teilen und Zusammenarbeiten an allen Arten von Dokumenten im gleichen Workflow. FineReader enthält auch einen Dokumentenvergleich, der uns hilft, Originaldokumente sowie umgewandelte PDFs und Bilddateien zu vergleichen.

1.2 IronOCR — Einführung und Funktionen

IronOCR bietet Software für Ingenieure, die IronOCR for .NET verwenden, um Textinhalte aus Fotos und PDFs in .NET-Anwendungen und Webseiten zu lesen. Es durchsucht Fotos nach Text und Barcodes und unterstützt zahlreiche weltweite Sprachen; es kann dann die Ausgabe entweder als einfachen Text oder als strukturierte Daten liefern. Die OCR-Bibliothek von Iron Software kann in MVC-, Web-, Konsolen- und Desktop .NET-Anwendungen verwendet werden. Für kommerzielle Bereitstellungen wird mit direkter Unterstützung durch das Entwicklungsteam eine Lizenzierung angeboten.

• Mit der neuesten Tesseract-5-Engine liest IronOCR Text, Barcodes und QR-Codes aus jedem Bild- oder PDF-Format. Diese Bibliothek fügt Desktop-, Konsolen- und Webanwendungen schnell OCR hinzu.
• IronOCR unterstützt 125 internationale Sprachen. Es unterstützt auch benutzerdefinierte Sprach- und Wortlisten.
• IronOCR kann mehr als 20 Barcode-Formate und QR-Codes lesen.
• IronOCR unterstützt mehrseitige GIFs und TIFF-Bildformate.
• IronOCR bietet eine Korrektur für qualitativ minderwertige gescannte Bilder.
• IronOCR unterstützt Multithreading - es führt einen oder mehrere Prozesse gleichzeitig aus.
• IronOCR kann strukturierte Datenausgaben für Seiten, Absätze, Zeilen, Wörter, Zeichen usw. bereitstellen.
• IronOCR unterstützt verschiedene Betriebssysteme wie Windows, Linux, macOS usw.

3.1 Installation von ABBYY FineReader PDF

Wir können den ABBYY FineReader hier herunterladen.

Das obige Bild zeigt, dass es zwei Versionen gibt, Einzel- und Geschäftsausgabe, die Sie gemäß Ihren Anforderungen herunterladen können. Wählen Sie 'Kostenlose Testversion herunterladen'. Es wird Sie wie im Bild unten zu einem Formular weiterleiten:

Wir müssen das Formular ausfüllen, um den Speicherort der EXE-Datei zu erhalten. Klicken Sie auf Herunterladen, um die Datei zu laden.

Sobald der Dateidownload abgeschlossen ist, können wir die EXE-Datei doppelklicken, um die Installation zu starten. Nach Abschluss wird eine Popup-Nachricht angezeigt und es ist jetzt einsatzbereit.

3.2 Installation von IronOCR

Die IronOCR-Bibliothek kann auf vier Arten heruntergeladen und installiert werden.

Diese sind:

• Verwendung von Visual Studio
• Verwenden der Visual Studio-Befehlszeile
• Direkter Download von der NuGet-Webseite
• Direkt von der IronPDF-Website herunterladen

3.2.1 Mit Visual Studio

Die Visual Studio-Software bietet die NuGet-Paket-Manager-Option, um das Paket direkt in die Lösung zu installieren. Der folgende Screenshot zeigt, wie der NuGet-Paketmanager geöffnet wird.

Es bietet ein Suchfeld zur Anzeige der Pakete von der NuGet-Website. Im Paket-Manager müssen wir nach dem Schlüsselwort IronOCR suchen, wie im folgenden Screenshot:

Aus dem obigen Bild erhalten wir die Liste der verwandten Suchergebnisse. Wir müssen die erforderliche Option auswählen, um das Paket in der Lösung zu installieren.

3.2.2 Mit der Visual Studio-Befehlszeile

In Visual Studio gehen Sie zu Werkzeuge -> NuGet-Paket-Manager -> Paket-Manager-Konsole

Geben Sie die folgende Zeile im Paket-Manager-Konsolen-Tab ein:

Install-Package IronOcr

Dieser Befehl lädt das Paket herunter und installiert es im aktuellen Projekt, und es ist einsatzbereit.

3.2.3 Direkt von der NuGet-Website herunterladen

Der dritte Weg ist, das NuGet-Paket direkt von der Website herunterzuladen.

• Navigate to the Link.
• Wählen Sie die Download-Paket-Option im Menü auf der rechten Seite.
• Doppelklicken Sie auf das heruntergeladene Paket. Es wird automatisch installiert.
• Laden Sie dann die Lösung neu und beginnen Sie, es im Projekt zu verwenden.

3.2.4 Direkt von der IronOCR-Website herunterladen

Click the link here to download the latest package direct from the website. Once downloaded, follow the steps below to add the package to the project.

• Klicken Sie mit der rechten Maustaste auf das Projekt im Lösungsfenster.
• Wählen Sie dann die Option "Referenz hinzufügen" und durchsuchen Sie den Speicherort der heruntergeladenen Referenz.
• Klicken Sie auf OK, um die Referenz hinzuzufügen.

4.1 Verwendung von ABBYY FineReader PDF

Öffnen Sie die ABBYY FineReader PDF-App, die mit mehreren Optionen geöffnet wird, wie im Bild unten.

Wählen Sie als Nächstes die Option "Öffnen" aus den Optionen des OCR-Editors aus. Dies wird eine Option zur Auswahl von Bilddateien anzeigen:

Nach der Auswahl einer Datei startet es automatisch das Scannen des Bildes in bearbeitbaren Text und zeigt dann das Ergebnis im Fenster an, wie im folgenden Screenshot:

Das obige Bild zeigt das Konvertieren des Quellbildes in bearbeitbaren Text. Das Ergebnis ist jedoch nicht sehr genau. Einige der Zahlen werden von der ABBYY FineReader PDF-App nicht erkannt. Dies zeigt sich deutlich in den Vergleichsfenstern – auf der linken Seite ist das Quellbild und auf der rechten Seite der OCR-konvertierte Text.

4.2 Verwendung von IronOCR

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create a new OcrInput object to manage input images
using (var Input = new OcrInput())
{
    // Add an image to the input for processing
    Input.AddImage(@"3.png");

    // Perform OCR to read text from the image
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
    Console.ReadKey();
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and Tesseract version
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create a new OcrInput object to manage input images
Using Input = New OcrInput()
	' Add an image to the input for processing
	Input.AddImage("3.png")

	' Perform OCR to read text from the image
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
	Console.ReadKey()
End Using

Die Tesseract 5 API, die es uns ermöglicht Bilddateien in Text zu konvertieren, wird oben demonstriert. Wir erstellen eine Instanz von IronTesseract in dem obigen Code-Snippet. Wir verwenden auch ein OcrInput-Objekt, mit dem wir ein oder mehrere Bilddateien hinzufügen können. Bei Verwendung der OcrInput-Objektmethode AddImage muss der Pfad des verfügbaren Bildes im Code angegeben werden. Beliebig viele Bilder können hinzugefügt werden. Die Funktion Read im IronTesseract Objekt, das wir zuvor erstellt haben, kann zur OCR-Erkennung verwendet werden, indem die Bilddatei analysiert und das Ergebnis in das OCR-Ergebnis extrahiert wird. Es ist in der Lage, Text aus Bildern zu extrahieren und in eine Zeichenfolge zu konvertieren.

Wir können auch Tesseract verwenden, um Mehrbilddateien hinzuzufügen. AddMultiFrameTiff ist eine andere Methode für diese Operation. Die Tesseract-Bibliothek liest jeden Frame im Bild und jeder Frame wird als eigenständige Seite behandelt. Der Prozess liest den ersten Frame des Bildes und geht dann auf den nächsten Frame über, und so weiter, bis alle Bilderrahmen gescannt wurden. Diese Methode unterstützt nur das TIFF-Bildformat.

Das obige Bild ist das Ergebnis von IronOCR, das genau und korrekt zeigt, wie die Daten in bearbeitbaren Text umgewandelt wurden.

5.1 Verwendung von ABBYY FineReader PDF

Öffnen Sie die ABBYY FineReader PDF-Software. Dies wird eine Seite wie das Bild unten öffnen, die mehrere Optionen bietet.

Wählen Sie als Nächstes die Option "Öffnen" aus den Optionen des OCR-Editors aus. Dies zeigt eine Option zum Auswählen der Bild/PDF an. Wir können entweder ein PDF oder ein Bild auswählen oder wir können beide Dateien auswählen.

Nach der Dateiauswahl klicken Sie auf die OK-Schaltfläche. Es wird automatisch das Bild in bearbeitbaren Text scannen und das Ergebnis in einem Fenster wie dem folgenden Screenshot anzeigen.

Das obige Bild zeigt das Quell-PDF, das in bearbeitbaren Text umgewandelt wurde. Das Ergebnis ist jedoch nicht vollständig genau. Einige Zahlen werden von der ABBYY FineReader PDF-Anwendung nicht erkannt. Dies zeigt sich deutlich in den Vergleichsfenstern – auf der linken Seite ist das Quell-PDF und auf der rechten Seite der OCR-konvertierte Text.

5.2 Verwendung von IronOCR

Wir können auch OCRInput verwenden, um PDF-Dateien zu verwalten. Jede Seite der Dokumente wird von der Iron Tesseract-Klasse gelesen. Anschließend wird der Text von den Seiten extrahiert. Wir können geschützte Dokumente auch mit einer zweiten Funktion namens AddPdf öffnen, mit der wir PDFs zu unserer Dokumentenliste hinzufügen können (Passwort erforderlich, falls geschützt). Der folgende Code zeigt, wie man ein passwortgeschütztes PDF-Dokument öffnet:

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a password-protected PDF to the input
    Input.AddPdf("example.pdf", "password");

    // Perform OCR to read text from the PDF
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a password-protected PDF to the input
	Input.AddPdf("example.pdf", "password")

	' Perform OCR to read text from the PDF
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Die folgenden Methoden werden auch von Iron Tesseract bereitgestellt:

• AddPdfPage
• AddPdfPages

Wir können mithilfe von AddPdfPage Inhalte von einer einzelnen Seite eines PDF-Dokuments lesen und extrahieren. Es muss nur die Seitenzahl angegeben werden, von der wir den Text extrahieren möchten. AddPdfPages ermöglicht es uns, Text aus mehreren von uns angegebenen Seiten zu extrahieren. In IEnumerable<int> müssen wir lediglich die Anzahl der Seiten angeben. Wir müssen auch den Dateispeicherort sowie die Dateierweiterung angeben. Dies wird im folgenden Codebeispiel dargestellt:

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

// Define numbers representing pages to extract from the PDF
IEnumerable<int> numbers = new List<int> { 2, 8, 10 };

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input PDFs
using (var Input = new OcrInput())
{
    // Add a specific page from PDF for OCR
    // Input.AddPdfPage("example.pdf", 10);

    // Add multiple specific pages from PDF for OCR
    // Input.AddPdfPages("example.pdf", numbers);

    // Perform OCR to read text from the specified pages
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);

    // Save the extracted text to a file
    Result.SaveAsTextFile("ocrtext.txt");
}

' Define numbers representing pages to extract from the PDF
Dim numbers As IEnumerable(Of Integer) = New List(Of Integer) From {2, 8, 10}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input PDFs
Using Input = New OcrInput()
	' Add a specific page from PDF for OCR
	' Input.AddPdfPage("example.pdf", 10);

	' Add multiple specific pages from PDF for OCR
	' Input.AddPdfPages("example.pdf", numbers);

	' Perform OCR to read text from the specified pages
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)

	' Save the extracted text to a file
	Result.SaveAsTextFile("ocrtext.txt")
End Using

Mithilfe der Funktion SaveAsTextFile können wir das Ergebnis als Textdatei speichern, sodass wir die Datei in den Ausgabeverzeichnispfad herunterladen können. Außerdem können wir die Datei als HTML-Datei mit SaveAsHocrFile speichern.

6.1 Verwendung von ABBYY FineReader PDF

FineReader hat einige zusätzliche Optionen wie: Textbereich zeichnen, Bildbereich zeichnen, Tabellenbereich zeichnen, Erkennungsbereich zeichnen usw. Diese helfen dem Benutzer, die Leistung der OCR zu verbessern. Darüber hinaus ermöglicht die Anwendung neben der Durchführung von OCR auch das Ausführen von Aufgaben wie das Kombinieren von PDFs, das Teilen von PDFs, das Bearbeiten von PDFs usw.

6.2 Verwendung von IronOCR

IronOCR bietet einzigartige Funktionen, mit denen wir Barcodes und QR-Codes aus gescannten Dokumenten lesen können. Der untenstehende Code zeigt, wie wir Barcodes aus einem gegebenen Bild oder Dokument lesen können.

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest;
Ocr.Configuration.ReadBarCodes = true;
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Add an image containing barcodes
    Input.AddImage("barcode.gif");

    // Perform OCR to read text and barcodes from the image
    var Result = Ocr.Read(Input);

    // Iterate through detected barcodes and output their values
    foreach (var Barcode in Result.Barcodes)
    {
        Console.WriteLine(Barcode.Value);
    }
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Configure OCR language and barcode reading
Ocr.Language = OcrLanguage.EnglishBest
Ocr.Configuration.ReadBarCodes = True
Ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Add an image containing barcodes
	Input.AddImage("barcode.gif")

	' Perform OCR to read text and barcodes from the image
	Dim Result = Ocr.Read(Input)

	' Iterate through detected barcodes and output their values
	For Each Barcode In Result.Barcodes
		Console.WriteLine(Barcode.Value)
	Next Barcode
End Using

Der oben gezeigte Code hilft dabei, Barcodes aus einem gegebenen Bild- oder PDF-Dokument zu lesen. Es ist in der Lage, mehr als einen Barcode aus einer Seite/einem Bild zu lesen. Zum Lesen des Barcodes verfügt IronOCR über eine spezielle Einstellung Ocr.Configuration.ReadBarCodes, die beim Lesen des Barcodes hilft; der Standardwert ist auf falsch gesetzt.

Nach dem Einlesen der Eingabe werden die Daten im Objekt mit dem Namen OCRResult gespeichert; Diese Klasse besitzt eine Eigenschaft namens "Barcodes", die alle verfügbaren Barcode-Daten in einer Liste zusammenfasst. Mithilfe der Schleife foreach können wir die Details aller Barcodes nacheinander abrufen. Ebenso wird der Barcode gescannt und der Wert des Barcodes gelesen – zwei Operationen in einem Prozess abgeschlossen!

Darüber hinaus werden auch Thread-Optionen unterstützt, was bedeutet, dass wir mehrere OCR-Prozesse gleichzeitig durchführen können. IronOCR kann auch einen bestimmten Bereich innerhalb einer angegebenen Region erkennen.

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

// Create an instance of IronTesseract for OCR operations
var Ocr = new IronTesseract();

// Create OcrInput to manage input images
using (var Input = new OcrInput())
{
    // Define a specific rectangular area on the image for OCR
    var ContentArea = new System.Drawing.Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

    // Add an image specifying the area to be processed
    Input.Add("document.png", ContentArea);

    // Perform OCR to read text from the specified area
    var Result = Ocr.Read(Input);

    // Output the extracted text to the console
    Console.WriteLine(Result.Text);
}

' Create an instance of IronTesseract for OCR operations
Dim Ocr = New IronTesseract()

' Create OcrInput to manage input images
Using Input = New OcrInput()
	' Define a specific rectangular area on the image for OCR
	Dim ContentArea = New System.Drawing.Rectangle() With {
		.X = 215,
		.Y = 1250,
		.Height = 280,
		.Width = 1335
	}

	' Add an image specifying the area to be processed
	Input.Add("document.png", ContentArea)

	' Perform OCR to read text from the specified area
	Dim Result = Ocr.Read(Input)

	' Output the extracted text to the console
	Console.WriteLine(Result.Text)
End Using

Der oben gezeigte Code ist ein Beispiel für OCR in einem bestimmten Bereich. Wir müssen nur die rechteckige Region im Bild oder PDF angeben – die Tesseract-Engine in IronOCR ermöglicht die Erkennung des Textes.