Mehrsprachigkeit mit Tesseract in C

Einführung

IronOCR bietet Textextraktion aus verschiedenen Sprachen und Skripten unter Verwendung der Tesseract Engine als zuverlässiges OCR-Tool.

Dieser Artikel zeigt, wie IronOCR mit Hilfe von Tesseract Text in mehreren Sprachen verarbeitet. Sie lernen, wie Sie mehrsprachige OCR-Lösungen implementieren und die Fähigkeiten von IronOCR und die Integration seiner Tesseract-Engine verstehen.

Die Verarbeitung von Dokumenten in mehreren Sprachen ist für moderne Anwendungen unerlässlich. Internationale Geschäftsdokumente, mehrsprachige Websites und globale Kommunikationsplattformen erfordern eine genaue Textextraktion über Sprachgrenzen hinweg. IronOCR adressiert dieses Bedürfnis durch die Integration der umfangreichen Sprachunterstützung von Tesseract, was die Texterkennung aus Dokumenten mit mehreren Schriften und Zeichensätzen gleichzeitig ermöglicht.

Schnellstart: IronOCR verwenden, um Text in mehreren Sprachen zu erkennen

Konfigurieren Sie IronOCR mit einer Primärsprache und fügen Sie Sekundärsprachen in einer Zeile hinzu, um Text aus mehrsprachigen Dokumenten oder Bildern zu extrahieren.

Wie lese ich mehrsprachige PDFs mit IronOCR?

IronOCR bietet etwa 125 Sprachpakete an; standardmäßig ist nur Englisch installiert. Laden Sie weitere Sprachen von NuGet herunter. Alle verfügbaren Sprachpakete hier ansehen.

PDFs, die mehrere Sprachen enthalten, erfordern eine spezielle Konfiguration der OCR-Engine. IronOCR ermöglicht die Angabe von Primär- und Sekundärsprachen vor der Verarbeitung von Dokumenten und gewährleistet so eine optimale Erkennungsgenauigkeit bei unterschiedlichen Skripten und Zeichensätzen.

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-pdf-input.cs

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian);

// Add PDF
using var pdfInput = new OcrPdfInput(@"example.pdf");
// Perform OCR
OcrResult result = ocrTesseract.Read(pdfInput);

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

Imports IronOcr
Imports System

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Set secondary language to Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Russian)

' Add PDF
Dim pdfInput = New OcrPdfInput("example.pdf")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(pdfInput)

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

Wie bearbeite ich mehrsprachige Bilder mit Tesseract?

Englisch ist die primäre Standardsprache. Um dies zu ändern, setzen Sie die Eigenschaft Language auf die gewünschte Sprache und fügen Sie bei Bedarf weitere Sprachen hinzu.

Bilder, die mehrsprachigen Text enthalten, müssen sorgfältig konfiguriert werden. Im Gegensatz zu PDFs können Bilder unterschiedliche Textorientierungen, verschiedene Schriftarten und gemischte Schriften enthalten. Die Tesseract-Integration von IronOCR bietet umfassende Sprachkonfigurationsoptionen für diese Szenarien.

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

:path=/static-assets/ocr/content-code-examples/how-to/ocr-multiple-languages-image-input.cs

// Example code for reading multi-language image with IronOCR
using IronOcr;

// Initialize IronTesseract OCR engine
var Ocr = new IronTesseract();

using IronOcr;
using System;

// Instantiate IronTesseract
IronTesseract ocrTesseract = new IronTesseract();

// Set primary language to Hindi
ocrTesseract.Language = OcrLanguage.Russian;
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese);

// Add image
using var imageInput = new OcrImageInput(@"example.png");
// Perform OCR
OcrResult result = ocrTesseract.Read(imageInput);

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

' Example code for reading multi-language image with IronOCR
Imports IronOcr

' Initialize IronTesseract OCR engine
Private Ocr = New IronTesseract()

Imports System

' Instantiate IronTesseract
Private ocrTesseract As New IronTesseract()

' Set primary language to Hindi
ocrTesseract.Language = OcrLanguage.Russian
ocrTesseract.AddSecondaryLanguage(OcrLanguage.Japanese)

' Add image
Dim imageInput = New OcrImageInput("example.png")
' Perform OCR
Dim result As OcrResult = ocrTesseract.Read(imageInput)

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

Was sind die wichtigsten Erkenntnisse für mehrsprachige OCR?

IronOCR extrahiert mit Hilfe der Tesseract-Engine effektiv Text aus mehrsprachigen Dokumenten. Das Programm bewältigt die Komplexität des Lesens von Texten in vielen Sprachen und bietet eine vielseitige Lösung. Ob bei der Verarbeitung von PDFs mit verschiedenen Sprachen oder bei der Arbeit mit mehrsprachigen Bildinhalten, IronOCR vereinfacht das Erkennen und Extrahieren von Text in verschiedenen Sprachen.

Die wichtigsten Vorteile von IronOCR für die mehrsprachige Textextraktion:

• Umfangreiche Sprachunterstützung: Über 125 internationale OCR-Sprachen über NuGet-Pakete
• Flexible Konfiguration: Einfache API für primäre und sekundäre Spracheinstellungen
• Hohe Genauigkeit: Verwendet Tesseract 5's fortschrittliche Erkennungsalgorithmen
• Leistungsoptimierung: Eingebaute Multithreading-Unterstützung
• Plattformübergreifende Kompatibilität: Funktioniert unter Windows, Linux und macOS

IronOCR bietet eine umfassende Lösung, die Benutzerfreundlichkeit mit leistungsstarken Funktionen für die mehrsprachige OCR-Implementierung kombiniert. Erstellen Sie Dokumentenmanagementsysteme, Übersetzungstools oder andere Anwendungen, die eine mehrsprachige Textextraktion erfordern, mit der für den Erfolg erforderlichen Flexibilität und Zuverlässigkeit.

Starten Sie Ihr mehrsprachiges OCR-Projekt, indem Sie IronOCR von NuGet herunterladen und sich mit unserer Dokumentation und den Beispielen vertraut machen. Für spezielle Anwendungsfälle oder fortgeschrittene Szenarien bieten unsere Fehlersuchanleitungen Einblicke für optimale Ergebnisse.