Comparación entre IronOCR y AWS Textract OCR

Aplicación de consola

Aplicación de consola

 - Haz clic en Examinar y busca AWS Textract: ### 3.2. Agregar espacios de nombres de AWS OCR ## 4. Archivo PDF a Texto ```csharp using Amazon.Textract; using Amazon.Textract.Model; ``` ## 4. Archivo PDF a texto Echemos un vistazo al código uno por uno. ### 4.1. Usando IronOCR ### 4.1. Uso de IronOCR El siguiente código simple se utiliza para extraer información: El código es simple, limpio y muy fácil de entender y usar. ```csharp var Ocr = new IronTesseract(); using (var input = new OcrInput()) { input.AddPdf("example.pdf", "password"); // We can also select specific PDF page numbers to OCR var Result = Ocr.Read(input); Console.WriteLine(Result.Text); Console.WriteLine($"{Result.Pages.Count()} Pages"); // Read every page of the PDF } ``` #### Archivo PDF de Entrada #### Archivo PDF de entrada #### Resultado ### 4.2. AWS Textract El siguiente código se usa para leer PDF y se pasa el mismo PDF: El código es un poco complicado, largo y necesita atención al pasar y recuperar objetos. ```csharp public static async void ReturnResult() { AmazonTextractClient client = new AmazonTextractClient("your_access_key_id", "your_secret_access_key", Amazon.RegionEndpoint.AFSouth1); var request = new StartDocumentTextDetectionRequest(); request.DocumentLocation = new DocumentLocation { S3Object = new S3Object { Bucket = "your_bucket_name", Name = "your_bucket_key" } }; var id = await client.StartDocumentTextDetectionAsync(request); var jobId = id.JobId; var response = client.GetDocumentTextDetectionAsync(new GetDocumentTextDetectionRequest{ JobId = jobId }); response.Wait(); if (response.Result.JobStatus.Equals("SUCCEEDED")) { foreach (var block in response.Result.Blocks) { if (block.BlockType == "WORD" || block.BlockType == "PAGE" || block.BlockType == "LINE") { Console.WriteLine(block.Text); } } } } static void Main(String[] args) { ReturnResult(); } ``` Debemos crear un objeto `AmazonTextractClient` con tres parámetros: `AccessKeyId`, `SecretAccessKey` y `Region`. Luego tenemos que iniciar una solicitud usando el método `StartDocumentTextDetectionRequest()`. El objeto de solicitud luego establece la `DocumentLocation` usando el nombre del bucket y la clave. Esta solicitud luego se pasa al método `StartDocumentTextDetectionAsync()`. La solicitud se pasa al método `StartDocumentTextDetectionAsync()`. Como es un método asíncrono, tenemos que usar la palabra clave `await` y hacer que la función `ReturnResult` sea asíncrona. El jobId se pasa a `GetDocumentTextDetectionAsync()` y espera respuesta `SUCCEEDED`. El bucle `foreach` se utiliza para recorrer cada bloque y verificar si es "WORD", "PAGE" o "LINE", luego imprime el reconocimiento de texto. Por último, llama a este método en el método `Main` para el procesamiento del documento. Por último, llama a este método en el método `Main` para el procesamiento de documentos. #### Resultado La salida es bastante similar a IronOCR. ## 5. Imágenes a texto Ambas bibliotecas proporcionan la facilidad para extraer texto. Aquí utilizaremos archivos png. ### 5.1. Usando IronOCR ### 5.1. Uso de IronOCR El código es casi igual al anterior. Aquí, el método `AddPDF` se reemplaza por `AddImage`. ```csharp var Ocr = new IronTesseract(); using (var Input = new OcrInput()) { Input.AddImage("test-files/redacted-employmentapp.png"); //... you can add any number of images var Result = Ocr.Read(Input); Console.WriteLine(Result.Text); } ``` #### Imagen de entrada #### Resultado