IronOCR vs. Azure OCR PDF: Welche Lösung extrahiert Text besser?

Wie lassen sich diese beiden OCR-Lösungen auf einen Blick vergleichen?

Was sind die Hauptunterschiede zwischen Cloud- und lokaler OCR-Verarbeitung?

Der grundlegende Unterschied liegt darin, wo die Textextraktion stattfindet. Azure AI Document Intelligence (ehemals Azure Form Recognizer) verarbeitet Dokumente auf der Cloud-Infrastruktur von Microsoft. Entwickler laden Dateien in das Azure-Portal hoch oder senden sie über die Read-API, und der Dienst analysiert Bilder und gescannte Dokumente remote. Dieser Ansatz erfordert eine Internetverbindung, aktive Azure-Anmeldeinformationen und verursacht Kosten pro Seite, die mit dem Dokumentenvolumen skalieren.

IronOCR läuft vollständig auf Ihrem lokalen Rechner oder Server und eignet sich daher gut für Organisationen mit Datenschutzanforderungen oder abgeschotteten Umgebungen. Die Bibliothek basiert auf Tesseract OCR – einer der am weitesten verbreiteten Open-Source-OCR-Engines – und bietet darüber hinaus eine ausgereifte .NET API. Die Bibliothek läuft ohne externe API-Aufrufe und ermöglicht Entwicklern so die vollständige Kontrolle über ihre Dokumentenverarbeitungspipeline. Ob Desktop-Anwendungen, Webanwendungen oder Stapelverarbeitungsaufträge – die lokale Verarbeitung eliminiert Netzwerkverzögerungen und beseitigt die Abhängigkeit von der Verfügbarkeit externer Dienste.

Die Dienste Azure Vision und Azure Form fallen beide unter das übergeordnete Dach der Azure AI-Dienste. Die Bildverarbeitungsfunktionen in Azure können Bilder für allgemeine Zwecke analysieren, während Document Intelligence speziell die Textextraktion aus Dokumenten mit gemischten Sprachen und komplexen Layouts übernimmt. Organisationen, die bereits stark in das Azure-Ökosystem investiert sind, bevorzugen möglicherweise diese Integration – diese Integration bringt jedoch laufende Kosten und eine Abhängigkeit von der Cloud mit sich.

Die Architektur von IronOCR eignet sich für Szenarien, in denen planbare Kosten und Datensouveränität höchste Priorität haben. Eine einzige unbefristete Lizenz deckt die unbegrenzte Seitenverarbeitung ab, wodurch Anwendungen mit hohem Datenaufkommen im Vergleich zu einem Cloud-Dienst mit Abrechnung pro Seite langfristig deutlich kostengünstiger werden.

Wie installiert man IronOCR über NuGet?

Bevor Sie OCR-Code schreiben, müssen Sie das IronOCR NuGet Paket zu Ihrem .NET -Projekt hinzufügen. Die einfachste Methode verwendet die NuGet Paket-Manager-Konsole:

Install-Package IronOcr

Install-Package IronOcr

Alternativ können Sie die .NET -Befehlszeilenschnittstelle verwenden:

dotnet add package IronOcr

dotnet add package IronOcr

Nach der Installation müssen Sie Ihren Lizenzschlüssel festlegen, bevor Sie eine der IronOCR -Methoden aufrufen. Sie können dies im Startcode Ihrer Anwendung tun:

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Während der Entwicklungsphase können Sie die 30-tägige kostenlose Testversion nutzen, ohne einen Schlüssel eingeben zu müssen. Die Testversion enthält ein Wasserzeichen auf der Ausgabe, ist aber ansonsten für die Evaluierung voll funktionsfähig.

Für Azure Document Intelligence benötigen Sie ein aktives Azure-Abonnement, eine im Azure-Portal erstellte Document Intelligence-Ressource und das separat installierte NuGet Paket Azure.AI.FormRecognizer. Sie müssen außerdem Endpunkt-URLs und API-Schlüssel sicher in Ihrer Anwendungskonfiguration speichern und verwalten.

Wie extrahiert man Text aus PDF- und TIFF-Dateien?

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("document.pdf");
var result = ocr.Read(input);

Console.WriteLine($"Pages processed: {result.Pages.Length}");
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("document.pdf")
    Dim result = ocr.Read(input)

    Console.WriteLine($"Pages processed: {result.Pages.Length}")
    Console.WriteLine(result.Text)
End Using

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("archive-scan.tiff");
var result = ocr.Read(input);

foreach (var page in result.Pages)
{
    Console.WriteLine($"Frame {page.PageNumber}: {page.Text}");
}

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("archive-scan.tiff")
    Dim result = ocr.Read(input)

    For Each page In result.Pages
        Console.WriteLine($"Frame {page.PageNumber}: {page.Text}")
    Next
End Using

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

var client = new DocumentAnalysisClient(
    new Uri(endpoint),
    new AzureKeyCredential(key));

using var stream = File.OpenRead("document.pdf");
var operation = await client.AnalyzeDocumentAsync(
    WaitUntil.Completed, "prebuilt-read", stream);

var result = operation.Value;
foreach (var page in result.Pages)
{
    foreach (var line in page.Lines)
    {
        Console.WriteLine(line.Content);
    }
}

Imports Azure
Imports Azure.AI.FormRecognizer.DocumentAnalysis
Imports System.IO

Dim client = New DocumentAnalysisClient(
    New Uri(endpoint),
    New AzureKeyCredential(key))

Using stream = File.OpenRead("document.pdf")
    Dim operation = Await client.AnalyzeDocumentAsync(
        WaitUntil.Completed, "prebuilt-read", stream)

    Dim result = operation.Value
    For Each page In result.Pages
        For Each line In page.Lines
            Console.WriteLine(line.Content)
        Next
    Next
End Using

Welche Lösung erzeugt besser durchsuchbare PDFs?

Das Konvertieren gescannter Dokumente in durchsuchbare PDFs ist eine gängige Voraussetzung für die Dokumentenarchivierung, die Einhaltung gesetzlicher Bestimmungen und die Volltextsuche. IronOCR stellt diese Funktionalität über eine spezielle SaveAsSearchablePdf- Methode bereit:

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

using IronOcr;

var ocr = new IronTesseract();
using var input = new OcrInput("scanned.pdf");
var result = ocr.Read(input);
result.SaveAsSearchablePdf("searchable-output.pdf");

Console.WriteLine("Searchable PDF created successfully.");

Imports IronOcr

Dim ocr As New IronTesseract()
Using input As New OcrInput("scanned.pdf")
    Dim result = ocr.Read(input)
    result.SaveAsSearchablePdf("searchable-output.pdf")
End Using

Console.WriteLine("Searchable PDF created successfully.")

Wie sieht der Preisvergleich für Dokumentenverarbeitung aus?

Die Preisstruktur ist einer der bedeutendsten praktischen Unterschiede zwischen den beiden Lösungen. Das Pay-per-Page-Modell von Azure berechnet die Gebühren anhand des verwendeten vordefinierten Modells. Laut der offiziellen Azure-Preisseite von Microsoft kostet die Read-API etwa 1,50 US-Dollar pro 1.000 Seiten, während vorgefertigte Modelle für Formulare und Rechnungen bis zu 10 US-Dollar pro 1.000 Seiten kosten. Nutzer mit hohem Anwendungsaufkommen können gestaffelte, vertragsabhängige Preismodelle aushandeln, die Kosten laufen jedoch kontinuierlich weiter, solange die Anwendung ausgeführt wird.

Für ein Entwicklungsteam, das 100.000 Seiten pro Monat verarbeitet – ein bescheidenes Volumen für Dokumentenworkflows in Enterprise –, könnten die Azure-Gebühren auf unbestimmte Zeit zwischen 150 und 1.000 US-Dollar pro Monat liegen.

IronOCR bietet unbefristete Lizenzen ab einer einmaligen Gebühr für einen einzelnen Entwickler an. Diese einmalige Investition deckt die unbegrenzte Seitenverarbeitung ohne laufende Gebühren ab. Die vollständigen und aktuellen Preisinformationen finden Sie auf der IronOCR Lizenzseite . Bei Anwendungen, die monatlich Tausende von Dokumenten analysieren, amortisiert sich der Einsatz von Azure im Vergleich zu den Gebühren pro Seite in der Regel innerhalb der ersten Betriebsmonate.

Beide Lösungen unterstützen die optische Zeichenerkennung für gedruckten und handgeschriebenen Text in zahlreichen Sprachen. IronOCR bietet 125 Sprachpakete , einschließlich Unterstützung für gemischte Sprachen in einzelnen Dokumenten. Sie können Sprachdatendateien einzeln oder als Pakete herunterladen, je nach den Anforderungen Ihrer Anwendung.

Wie funktioniert Sprach- und Mehrsprachigkeitsunterstützung?

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.EnglishBest;

// For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French);

using var input = new OcrInput("multilingual-doc.pdf");
var result = ocr.Read(input);
Console.WriteLine(result.Text);

Imports IronOcr

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.EnglishBest

' For multi-language documents:
ocr.AddSecondaryLanguage(OcrLanguage.French)

Using input As New OcrInput("multilingual-doc.pdf")
    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Wie handhaben Sie die Stapelverarbeitung von Dokumenten?

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

using IronOcr;
using System.Collections.Generic;
using System.Threading.Tasks;

var pdfFiles = Directory.GetFiles("input-folder", "*.pdf");
var results = new List<string>();

await Parallel.ForEachAsync(pdfFiles, async (file, ct) =>
{
    var ocr = new IronTesseract();
    using var input = new OcrInput(file);
    var result = ocr.Read(input);
    lock (results) { results.Add(result.Text); }
});

Console.WriteLine($"Processed {results.Count} documents.");

Imports IronOcr
Imports System.Collections.Generic
Imports System.Threading.Tasks
Imports System.IO

Dim pdfFiles = Directory.GetFiles("input-folder", "*.pdf")
Dim results As New List(Of String)()

Await Task.WhenAll(pdfFiles.Select(Function(file) Task.Run(Async Function()
    Dim ocr As New IronTesseract()
    Using input As New OcrInput(file)
        Dim result = ocr.Read(input)
        SyncLock results
            results.Add(result.Text)
        End SyncLock
    End Using
End Function)))

Console.WriteLine($"Processed {results.Count} documents.")

Was sind Ihre nächsten Schritte?

IronOCR bietet .NET -Entwicklern einen unkomplizierten Weg zur genauen, lokalen Extraktion von Dokumenttexten ohne Cloud-Abhängigkeiten oder Gebühren pro Seite. Für Teams, die Anwendungen entwickeln, welche PDFs, TIFFs oder gescannte Bilder verarbeiten, reduzieren das unbefristete Lizenzmodell und die Erstellung durchsuchbarer PDFs mit nur einer Methode sowohl die Kosten als auch die Integrationskomplexität im Vergleich zu einem cloudbasierten OCR-Dienst.

Beginnen Sie damit, die Funktionen von IronOCR zu erkunden:

• IronOCR über NuGet herunterladen und installieren – vollständige Installationsanleitung und Voraussetzungen
• Lesen Sie die Anleitungen – Schritt-für-Schritt-Anweisungen für gängige OCR-Aufgaben
• Sprachpakete anzeigen – durchsuchen Sie alle über 125 unterstützten Sprachen
• Erkunden Sie die Erstellung durchsuchbarer PDFs – konvertieren Sie gescannte Dokumente mit einem einzigen Methodenaufruf
• IronOCR Lizenzierung im Überblick – einmalige, unbefristete Lizenzen für Einzelpersonen, Teams und Organisationen
• Codebeispiele durchsuchen – praxisnahe OCR-Muster, die Sie direkt in Ihrem Projekt verwenden können

Azure Document Intelligence bleibt für Unternehmen relevant, die bereits in das Microsoft-Ökosystem investiert haben oder bestimmte vorgefertigte Formularmodelle benötigen. Für einfache OCR-Aufgaben, die Erstellung durchsuchbarer PDFs und vorhersehbare Betriebskosten ist IronOCR aufgrund seines lokalen Verarbeitungsmodells und seiner entwicklerfreundlichen API jedoch die bessere Wahl for .NET -Projekte.