Una comparación entre IronOCR y Nanonets OCR

IronOCR para .NET es una biblioteca en C# que permite a los usuarios escanear, buscar y leer imágenes y PDFs. Toma un archivo de imagen o PDF como entrada y usa el motor OCR de .NET Tesseract 5 personalizado más reciente para producir texto, datos estructurados o documentos PDF buscables. Tesseract está disponible en más de 125 idiomas, e IronOCR ofrece soporte multiplataforma en .NET Core, Standard, desde 2.0 hasta 7.

IronOCR es una API fácil de usar que permite a los desarrolladores C# convertir automáticamente imágenes a texto utilizando la clase IronTesseract. La biblioteca prioriza la velocidad, la precisión y la facilidad de uso.

Otra característica poderosa de IronOCR es su capacidad para escanear códigos de barras y códigos QR de todos los archivos de imagen y leer su texto. Características adicionales importantes de IronOCR se enumeran a continuación.

Características

• Idiomas Internacionales: Soporte para más de 125 y lenguajes personalizados.
• Lectura de Texto y Código de Barras: Lea texto y números de múltiples idiomas a la vez.
• Documentos Especializados: Lea texto de documentos especializados como recibos, cheques y facturas.
• Leer de Muchos Formatos: Lea de imágenes (PNG, JPG, GIF, TIFF, BMP), Objetos de System.Drawing, flujos, documentos PDF y más.
• Características de Preprocesamiento: Incluye características de preprocesamiento como el Asistente de Filtros, corrección de imagen, corrección de orientación y corrección de color.
• Salida de Datos Simple: Salida en .NET Cadenas de Texto, Código de Barras, QR y formato de Imagen.

Ahora, echemos un vistazo a Nanonets OCR API.

2.1. Uso del Administrador de paquetes NuGet de Visual Studio

NuGet es el gestor de paquetes para descargar e instalar dependencias en tu proyecto. Sus paquetes contienen código compilado y (DLLs) y el archivo de manifiesto. Accede a él usando el siguiente método:

• Haz clic en la pestaña herramientas.
• Extiende la opción del Administrador de Paquetes NuGet.
• Haz clic en Administrar Paquetes NuGet para Soluciones.

Alternativamente:

• Clic derecho en el Explorador de Soluciones.
• Haz clic en Administrar paquetes NuGet.

Ahora se abrirá la ventana del Gestor de Paquetes NuGet. Busca IronOCR y haz clic en Instalar.

2.2. Descargar desde el sitio web de NuGet

IronOCR también se puede descargar directamente desde el sitio web oficial de NuGet. Sigue estos pasos:

1. Visita el sitio web de NuGet.
2. Haz clic en la opción "descargar paquete" en el lado derecho de la página.
3. Abre el paquete descargado para comenzar la instalación.
4. Finalmente, recarga la solución y está hecho.

2.3. Descargar desde la página web de IronOCR

Visita el sitio web de Iron Software y navega a la página web de IronOCR para .NET. Desplázate hasta el final y haz clic en Descargar DLL o Descarga el instalador de Windows.

Se descargará un archivo zip. Extrae el archivo del proyecto o ejecuta el instalador de Windows. Sigue los pasos a continuación para agregarlo a tu proyecto.

1. Haz clic derecho en las dependencias del proyecto en Visual Studio desde el explorador de soluciones.
2. Selecciona la opción Añadir Referencia de Proyecto.
3. Busca la ubicación del archivo DLL descargado.
4. Haz clic en Aceptar para agregar una referencia de proyecto.

2.4. Uso del símbolo del sistema en Visual Studio

1. Navega a la pestaña Herramientas en Visual Studio.
2. Extiende la opción Gestor de Paquetes NuGet.
3. Selecciona Consola del Gestor de Paquetes y escribe el siguiente comando:

Install-Package IronOcr

Esto descargará e instalará automáticamente IronOCR en tu proyecto.

Ahora estamos listos para usar IronOCR en nuestro proyecto.

2.5. Adición de los espacios de nombres IronOCR necesarios

Solo se requiere un espacio de nombres, que debe añadirse en la parte superior del archivo de código fuente donde necesitamos acceder a funciones de IronOCR.

using IronOcr;

using IronOcr;

Imports IronOcr

Ahora, instalemos Nanonets OCR API.

3.1. Adición del espacio de nombres RestSharp

RestSharp es una biblioteca simple de cliente Rest y HTTP para .NET. Se usa para enviar y recibir solicitudes de API y manejar respuestas. Esta biblioteca es necesaria para ejecutar el código de la API de Nanonets ya que también es una API REST.

Para instalar RestSharp, abre el Gestor de Paquetes NuGet para tu solución, busca RestSharp e instálalo. Alternativamente, puedes abrir la Consola del Gestor de Paquetes y escribir el siguiente comando:

Install-Package RestSharp

Ahora todo está configurado y listo para usar.

4.1. Uso de IronOCR

var Ocr = new IronTesseract();
using (var Input = new OcrInput()){
  Input.AddImage("test-files/employmentapp.png");
  var Result = Ocr.Read(Input);
  Console.WriteLine(Result.Text);
}

var Ocr = new IronTesseract();
using (var Input = new OcrInput()){
  Input.AddImage("test-files/employmentapp.png");
  var Result = Ocr.Read(Input);
  Console.WriteLine(Result.Text);
}

Dim Ocr = New IronTesseract()
Using Input = New OcrInput()
  Input.AddImage("test-files/employmentapp.png")
  Dim Result = Ocr.Read(Input)
  Console.WriteLine(Result.Text)
End Using

4.2. Uso del OCR de Nanonets

Nanonets también proporciona la facilidad de extraer texto de imágenes. Para hacer esto, se hace una llamada a la API con la clave de autenticación, y luego se sube la imagen al servidor de Nanonets. La herramienta OCR rápida devolverá entonces el texto extraído como respuesta a la aplicación. Aquí hay un ejemplo del código:

var client = new RestClient("https://app.nanonets.com/api/v2/OCR/FullText");
client.Timeout = -1;
var request = new RestRequest(Method.POST);
request.AddHeader("Authorization", "Basic " + Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")));
request.AddFile("file", "FILE_PATH");
RestResponse response = client.Execute(request);
Console.WriteLine(response.Content);

var client = new RestClient("https://app.nanonets.com/api/v2/OCR/FullText");
client.Timeout = -1;
var request = new RestRequest(Method.POST);
request.AddHeader("Authorization", "Basic " + Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")));
request.AddFile("file", "FILE_PATH");
RestResponse response = client.Execute(request);
Console.WriteLine(response.Content);

Dim client = New RestClient("https://app.nanonets.com/api/v2/OCR/FullText")
client.Timeout = -1
Dim request = New RestRequest(Method.POST)
request.AddHeader("Authorization", "Basic " & Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")))
request.AddFile("file", "FILE_PATH")
Dim response As RestResponse = client.Execute(request)
Console.WriteLine(response.Content)

La salida no es perfecta. La imagen contenía datos estructurados, solo algunos de los cuales se obtuvieron correctamente. Con otra imagen de texto simple, la salida fue buena. Nota que el modelo puede ser entrenado para resultados más precisos.

5.1. Uso de IronOCR

var Ocr = new IronTesseract();
Ocr.Configuration.ReadBarCodes = true;
using (var input = new OcrInput()) {    
    input.AddImage("test-files/Barcode.png");    
    var Result = Ocr.Read(input);    
    foreach (var Barcode in Result.Barcodes){
        Console.WriteLine(Barcode.Value);
    }
}

var Ocr = new IronTesseract();
Ocr.Configuration.ReadBarCodes = true;
using (var input = new OcrInput()) {    
    input.AddImage("test-files/Barcode.png");    
    var Result = Ocr.Read(input);    
    foreach (var Barcode in Result.Barcodes){
        Console.WriteLine(Barcode.Value);
    }
}

Dim Ocr = New IronTesseract()
Ocr.Configuration.ReadBarCodes = True
Using input = New OcrInput()
	input.AddImage("test-files/Barcode.png")
	Dim Result = Ocr.Read(input)
	For Each Barcode In Result.Barcodes
		Console.WriteLine(Barcode.Value)
	Next Barcode
End Using

5.2. Uso del OCR de Nanonets

Nanonets OCR API ofrece la facilidad de detectar códigos QR. Sin embargo, esta funcionalidad solo está disponible en el plan Enterprise, y necesitarás contactar con ventas para usarlo. Además, Nanonets te permite detectar partes específicas de documentos o recibos. También proporciona otras características como cuentas por pagar, procesamiento de facturas y automatización contable.

6.1. Uso de IronOCR

Leer archivos PDF es tan simple como leer archivos de imagen con IronOCR. El único cambio requerido es usar el método AddPdf en lugar de AddImage en el código para leer imágenes. El código es el siguiente:

var Ocr = new IronTesseract();
using (var Input = new OcrInput()) {
    Input.AddPdf("test-files/example.pdf");
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

var Ocr = new IronTesseract();
using (var Input = new OcrInput()) {
    Input.AddPdf("test-files/example.pdf");
    var Result = Ocr.Read(Input);
    Console.WriteLine(Result.Text);
}

Dim Ocr = New IronTesseract()
Using Input = New OcrInput()
	Input.AddPdf("test-files/example.pdf")
	Dim Result = Ocr.Read(Input)
	Console.WriteLine(Result.Text)
End Using

El texto extraído está en el mismo formato que el archivo PDF.

6.2. Uso del OCR de Nanonets

Leer datos de archivos PDF también está disponible en la API de Nanonets OCR. El código es casi idéntico al código de detección de texto de imagen, excepto por la URL utilizada en la solicitud. Vamos a echar un vistazo al código:

var client = new RestClient("https://app.nanonets.com/api/v2/OCR/Model/{{model_id}}/LabelFile/?async=false");
var request = new RestRequest(Method.POST);
request.AddHeader("Authorization", "Basic " + Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")));
request.AddHeader("Accept", "Multipart/form-data");
request.AddFile("file", "test-files/example.pdf");
RestResponse response = client.Execute(request);
Console.WriteLine(response.Content);

var client = new RestClient("https://app.nanonets.com/api/v2/OCR/Model/{{model_id}}/LabelFile/?async=false");
var request = new RestRequest(Method.POST);
request.AddHeader("Authorization", "Basic " + Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")));
request.AddHeader("Accept", "Multipart/form-data");
request.AddFile("file", "test-files/example.pdf");
RestResponse response = client.Execute(request);
Console.WriteLine(response.Content);

Dim client = New RestClient("https://app.nanonets.com/api/v2/OCR/Model/{{model_id}}/LabelFile/?async=false")
Dim request = New RestRequest(Method.POST)
request.AddHeader("Authorization", "Basic " & Convert.ToBase64String(Encoding.Default.GetBytes("REPLACE_YOUR_API_KEY:")))
request.AddHeader("Accept", "Multipart/form-data")
request.AddFile("file", "test-files/example.pdf")
Dim response As RestResponse = client.Execute(request)
Console.WriteLine(response.Content)

En el código anterior, reemplaza el model_id con el ID de tu modelo OCR. También sustituye la clave de API con tu propia clave de API. Luego, reemplaza la ruta del archivo PDF con la ruta de tu propio archivo.

La salida es similar a IronOCR, pero con espacios adicionales y nuevas líneas incluidas en la salida de Nanonets OCR.